一种具有自校正机制的上下文感知目标跟踪方法技术

本发明专利技术公开了一种具有自校正机制的上下文感知目标跟踪方法，涉及视觉目标跟踪技术领域，通过及时对异常跟踪结果进行检测，并采用校正机制调整定位误差，同时通过调整学习因子来更新目标模型，增强了目标模型对于外观变化的适应性，可以防止跟踪过程中发生漂移。提升目标跟踪的准确度和成功率，同时满足实时性要求；本发明专利技术提供的一种具有自校正机制的上下文感知目标跟踪方法，保障跟踪器能够及时检测到输出响应的异常状况，并通过自校正机制纠正定位误差后反馈回跟踪系统，解决跟踪过程中的漂移问题，使得跟踪器更准确的定位目标。使得跟踪器更准确的定位目标。使得跟踪器更准确的定位目标。

【技术实现步骤摘要】
一种具有自校正机制的上下文感知目标跟踪方法


[0001]本专利技术涉及视觉目标跟踪
，特别涉及一种具有自校正机制的上下文感知目标跟踪方法。

技术介绍

[0002]视觉目标跟踪是计算机视觉领域的一个重要研究课题，广泛应用于智能监控、人机交互、视觉导航、医疗诊治等方面。近年来，基于相关滤波器的目标跟踪方法因其高效性和鲁棒性引起研究人员的广泛关注。各学者对该问题进行了深入研究，并且取得了不错的研究进展，相继提出了大量优秀的目标跟踪算法，且投入到了生活生产中。
[0003]然而，在现实跟踪场景中，影响目标跟踪性能的因素有很多，当目标处于光照变化、尺度变化、变形、局部遮挡以及严重遮挡等复杂场景时，跟踪器的鲁棒性会受到抑制，容易造成误差积累，导致跟踪漂移甚至跟踪失败。
[0004]在视觉目标跟踪任务中，大多数现有的相关滤波类目标跟踪方法直接以最大响应值所在位置作为最终预测目标位置，缺乏对输出响应的可靠性检测。当预测目标位置与实际目标位置存在较大的定位误差时，会使得目标区域输出响应值远低于期望响应值。随着时间的推移，错误信息不断积累，在模型更新过程中污染目标模板，导致跟踪漂移或跟踪失败。
[0005]基于上述问题，本申请提供了一种具有自校正机制的上下文感知目标跟踪方法，保障跟踪器能够及时检测到输出响应的异常状况，并通过自校正机制纠正定位误差后反馈回跟踪系统，解决跟踪过程中的漂移问题，使得跟踪器更准确的定位目标。

技术实现思路

[0006]本专利技术的目的在于提供一种具有自校正机制的上下文感知目标跟踪方法，保障跟踪器能够及时检测到输出响应的异常状况，并通过自校正机制纠正定位误差后反馈回跟踪系统，解决跟踪过程中的漂移问题，使得跟踪器更准确的定位目标。
[0007]本专利技术提供了一种具有自校正机制的上下文感知目标跟踪方法，包括以下步骤：
[0008]对目标对象区域及背景区域进行采样，提取目标对象区域及背景区域目标外观特征，构建目标外观模型；
[0009]训练目标外观模型得到滤波器，将目标对象上下文区域的图像特征输入滤波器，得到响应输出；
[0010]获取输出响应的最大值与峰值旁瓣比值，检测最大值与峰值旁瓣比值是否达到阈值，若未达到阈值，则表明为异常结果，根据上一帧图像信息进行定位目标的异常校正，得到定位目标位置，若达到阈值，输出响应的最大值所对应的位置为定位目标位置；
[0011]将定位目标位置反馈至目标跟踪器，进行视觉图像的目标跟踪。
[0012]进一步地，还包括：
[0013]目标跟踪器通过自适应调整学习因子更新目标外观模型和滤波器系数。
[0014]进一步地，所述对目标对象区域及背景区域进行采样，提取目标对象区域及背景区域目标外观特征，构建目标外观模型的步骤，包括：
[0015]采用循环矩阵密集采样方法，提取初始目标区域上下左右四个方向的背景块信息；
[0016]以背景块信息为负样本，目标对象为正样本，训练滤波器w；
[0017]训练得到滤波器w后，在下一视频帧中提取目标搜索区域新的图像特征z，构建目标外观模型。
[0018]进一步地，所述以背景块信息作为负样本，训练滤波器w的步骤，包括：
[0019]建立滤波器w的目标函数；
[0020]对滤波器w的目标函数求偏导，并根据循环矩阵在傅里叶空间可对角化的性质，获取滤波器w的闭合性解。
[0021]进一步地，所述获取输出响应的最大值与峰值旁瓣比值，检测最大值与峰值旁瓣比值是否达到阈值，若未达到阈值，则表明为异常结果，根据上一帧信息进行定位目标的异常校正，得到定位目标位置，若达到阈值，输出响应的最大值所对应的位置为定位目标位置，其中，根据上一帧信息进行异常校正的步骤，包括：
[0022]在上一帧估计得出的目标位置的邻域范围内确定候选图像块，在候选图像块中选取候选区域；
[0023]根据候选区域中的目标位置，确定异常结果中的目标位置，获得精准的目标位置，纠正定位误差。
[0024]进一步地，所述在上一帧估计得出的目标位置的邻域范围内确定候选图像块，在候选图像块中选取候选区域的步骤，包括：
[0025]以上一帧估计得出的目标位置(x0,y0)为圆心，以响应峰值与目标尺寸确定搜索半径，得到候选图像块；
[0026]计算滤波器与每个候选图像块的相关响应得分g，选择具有最大响应得分的候选图像块作为候选区域。
[0027]与现有技术相比，本专利技术具有如下显著优点：
[0028]本专利技术提供了一种具有自校正机制的上下文感知目标跟踪方法，通过及时对异常跟踪结果进行检测，并采用校正机制调整定位误差，同时通过调整学习因子来更新目标模型，增强了目标模型对于外观变化的适应性，可以防止跟踪过程中发生漂移。提升目标跟踪的准确度和成功率，同时满足实时性要求；本专利技术提供的一种具有自校正机制的上下文感知目标跟踪方法，保障跟踪器能够及时检测到输出响应的异常状况，并通过自校正机制纠正定位误差后反馈回跟踪系统，解决跟踪过程中的漂移问题，使得跟踪器更准确的定位目标。
附图说明
[0029]图1为本专利技术实施例提供的一种具有自校正机制的上下文感知目标跟踪方法的整体流程图；
[0030]图2为本专利技术实施例提供的自校正过程图；
[0031]图3为本专利技术实施例提供的本专利技术跟踪器与其余跟踪器在OTB
‑
2015数据集上的距
离精度图；
[0032]图4为本专利技术实施例提供的本专利技术跟踪器与其余跟踪器在OTB
‑
2015数据集上的成功率图。
具体实施方式
[0033]下面结合本专利技术中的附图，对本专利技术实施例的技术方案进行清楚、完整的描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本专利技术保护的范围。
[0034]实施例1
[0035]本专利技术提供了一种具有自校正机制的上下文感知目标跟踪方法，首先，根据上下文感知相关滤波跟踪器得到目标的输出响应。然后，根据输出最大响应值与峰值旁瓣比值来检测输出结果是否异常。此外，通过最小化输出响应与期望响应间的差异来估计定位误差，并在误差校正后重新定位目标。
[0036]参照图1
‑
图4，本专利技术提供了一种具有自校正机制的上下文感知目标跟踪方法，包括：
[0037]步骤1：对目标对象区域及背景区域进行采样，提取目标对象区域及背景区域目标外观特征，即目标图像HOG特征，构建目标外观模型，构建步骤包括：
[0038]步骤101：采用循环矩阵密集采样方法，提取初始目标区域上下左右四个方向的背景块信息；
[0039]步骤102：以背景块信息为负样本，目标对象为正样本，训练滤波器w；
[0040]步骤103：训练得到滤波器w后，在下一视频帧中提取目标搜索区域新的图像特征本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种具有自校正机制的上下文感知目标跟踪方法，其特征在于，包括以下步骤：对目标对象区域及背景区域进行采样，提取目标对象区域及背景区域目标外观特征，构建目标外观模型；训练目标外观模型得到滤波器，将目标对象上下文区域的图像特征输入滤波器，得到响应输出；获取输出响应的最大值与峰值旁瓣比值，检测最大值与峰值旁瓣比值是否达到阈值，若未达到阈值，则表明为异常结果，根据上一帧图像信息进行定位目标的异常校正，得到定位目标位置，若达到阈值，输出响应的最大值所对应的位置为定位目标位置；将定位目标位置反馈至目标跟踪器，进行视觉图像的目标跟踪。2.如权利要求1所述的一种具有自校正机制的上下文感知目标跟踪方法，其特征在于，还包括：目标跟踪器通过自适应调整学习因子更新目标外观模型和滤波器系数。3.如权利要求1所述的一种具有自校正机制的上下文感知目标跟踪方法，其特征在于，所述对目标对象区域及背景区域进行采样，提取目标对象区域及背景区域目标外观特征，构建目标外观模型的步骤，包括：采用循环矩阵密集采样方法，提取初始目标区域上下左右四个方向的背景块信息；以背景块信息为负样本，目标对象为正样本，训练滤波器w；训练得到滤波器w后，在下一视频帧中提取目标搜索区域新的图像特征z，构建目标外观模型。4.如权利要求3所述的一种具有自校正机制的...

【专利技术属性】
技术研发人员：熊兴中，张琳，骆忠强，曾锌，
申请(专利权)人：四川轻化工大学，
类型：发明
国别省市：