基于样本可靠性的时空正则化自适应相关滤波目标跟踪算法制造技术

本发明专利技术属于计算机视觉技术领域，涉及基于样本可靠性的时空正则化自适应相关滤波目标跟踪算法。首先，本发明专利技术通过图像的空间可靠性自适应调节空间权重参考矩阵，自适应空间正则项结合空间权重参考矩阵在一定程度上降低了边界效应的影响。然后，使用前后两帧响应图的变化程度确定时间正则项的超参数参考值，避免模型发生突变造成跟踪漂移问题。最后本文通过交替方向乘子法(ADMM)迭代求解目标函数，保证算法的运行效率。本发明专利技术根据图像的可靠性对空间正则项进行自适应更新，及时适应目标形变或遮挡情况，同时引入自适应时间正则项，从而获得稳健的相关滤波器，减少模型漂移对性能的影响，提升了目标跟踪算法的性能，能够较好的处理复杂环境下的目标跟踪问题。理复杂环境下的目标跟踪问题。理复杂环境下的目标跟踪问题。

【技术实现步骤摘要】
基于样本可靠性的时空正则化自适应相关滤波目标跟踪算法


[0001]本专利技术属于计算机视觉领域，涉及基于样本可靠性的时空正则化自适应相关滤波目标跟踪算法。

技术介绍

[0002]目标跟踪是计算机视觉领域中一个基础性问题，在无人驾驶、人机交互、视频监控等领域具有广泛的应用。目标跟踪的任务是通过给定第一帧的初始化边界框来估计目标物在下一帧的边界框。一般来说，影响目标跟踪性能的问题有很多，如快速运动、旋转、物体遮挡、光照变化以及图像分辨率低等挑战。近十几年来，目标跟踪算法的研究不断深入，出现了大量优秀的算法，目标跟踪的性能得到了显著的提升，面临的困难也得到了进一步的解决，但实现一种在复杂场景下跟踪准确、快速和稳健的目标跟踪算法依然是一项艰巨的任务。
[0003]基于相关滤波的目标跟踪算法借助循环矩阵和频域计算与传统方法相比，其性能更好、速度更快，得到广泛应用。但循环位移会导致边界效应，引入背景杂波而导致模型学习到错误样本降低模型的准确性。在2010年，Bolme等提出了平方误差最小输出相关滤波器 (MOSSE)，MOSSE相关滤波器首次将相关本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于样本可靠性的时空正则化自适应相关滤波目标跟踪算法，其特征在于：该方法包括以下步骤：步骤1：输入视频序列，根据第一帧中目标的初始化信息，确定采样区域步骤2：在采用区域范围内，提前目标特征，包含FHOG、CN、灰度特征。步骤3：计算高斯分布的回归标签信息，以及利用快速傅里叶变换生成相应的余弦窗口。步骤4：根据样本可靠性计算空间权重参考矩阵利用前后两帧响应图的局部变化作为空间参考权重矩阵，当前后两帧响应图的局部变化较激烈时，该部分的可靠性较低，对不可靠部分执行较高的约束，反之亦然。其空间参考权重矩阵w
r
定义为：公式中：R
t
[ψΔ]为当前样本生成的响应图，R
t
‑1为上一帧样本生成的响应图。η为学习率，设置为1000；w
r
‑1为上一帧的空间权重矩阵，w初始化为固定的空间权重矩阵，即为负高斯形状的空间权重矩阵。步骤5：根据前后两帧相应图的全局变化获得时间正则项超参数根据前后两帧的异常情况获取时间正则项超参数的参考值，在跟踪的过程中利用时间正则项超参数的参考值调整时间正则项对模型的约束程度，其参考值设置如下：公式中：R
t
[ψΔ]为当前样本生成的响应图，R
t
‑1为上一帧样本生成的响应图。参数α、β分别设置为10、10。步骤6：位置滤波器训练在目标函数中通过样本可靠性构建空间参考权重矩阵，利用自适应空间正则项缓解边界效应，同时使用前后两帧响应图的全局变化程度确定时间正则项的超参数，适应复杂背景防止模型发生突变，缓解跟踪漂移。其目标函数定义如公式(3)所示：其中，D为样本特征通道数，X＝[x1,x2,...,x
d
]为样本各特征通道的样本集，y∈R
T
×1表示理想的期望响应，f
d
∈R
T
×1表示第d通道的滤波器，w
r
为空间参考权重矩阵，其具体定义可参考公式(2)，||w
‑
w
r
||2为自适应空间正则项，u
r
为时间正则项的超参数，其具体定义可参考公式(3)。为自适应时间正则项。为求解公式(4)，可使用交替方法乘子法(ADMM)进行...

【专利技术属性】
技术研发人员：陈中意，陶洋，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：