【技术实现步骤摘要】
基于特征增强和动态模板更新的弱光场景目标跟踪方法
[0001]本专利技术涉及视频目标跟踪领域，具体说的是基于特征增强和动态模板更新的弱光场景目标跟踪方法。
技术介绍
[0002]作为视频目标跟踪的重要应用场景之一，弱光条件下的跟踪在夜间监控、室内搜寻、夜间作战、医学诊查和无人机全天候跟踪等实际应用中都发挥着关键作用。但无论是当前的评测标准还是跟踪算法，都是在有利的光照条件下提出的。在实际应用中往往存在许多光照条件不理想的场景，与正常光照相比，夜间、阴雨、狭小空间等弱光条件下拍摄的图像具有低对比度、低亮度和低信噪比的特点。这些差异导致两类图像的特征分布不一致，使得基于有利光照条件构建的跟踪器难以推广到弱光场景下。
[0003]弱光视频序列的特点导致现有目标跟踪算法在跟踪时鲁棒性差、易出现跟踪漂移，弱光条件下的目标跟踪问题分为弱光图像特征增强问题和弱光视频序列目标外观变化挑战，首先弱光图像低对比度、低亮度和低信噪比的特点使其特征的提取相比正常图像要更加困难，较弱的特征信息不利于后续的目标跟踪任务，限制了目标跟踪算法的性能...
【技术保护点】
【技术特征摘要】
1.一种基于特征增强和动态模板更新的弱光场景目标跟踪方法，其特征在于，包括如下步骤：S1、根据视频序列第一帧输入图片I1和边界框信息B1裁剪出基础模板Z1，根据后续帧输入图片I
i
裁剪出目标搜索区域X
i
,i∈[2,n]；S2、将Z1和X
i
送入离线预训练好的弱光图像特征增强模块进行特征增强，得到增强后的模板图像Z
1E
和目标搜索区域X
iE
；S3、将Z
1E
和X
iE
送入离线预训练好的孪生网络提取特征，得到特征φ(Z
1E
)和φ(X
iE
)；S4、对特征φ(Z
1E
)和φ(X
iE
)进行卷积运算，得到响应图S；S5、根据响应图S计算APCE(平均峰值相关能量)，如果均符合阈值要求，则根据跟踪结果处裁剪参考模板Z
i
进行特征增强并提取特征φ(Z
iE
)，然后对φ(Z
1E
)和φ(Z
iE
)进行特征融合，得到新的模板特征φ(Z)，否则不做融合；S6、若步骤S5计算的APCE值在一定阈值范围内，则采用步骤S5得到的新的模板特征φ(Z)替换步骤S3得到的φ(Z
1E
)，否则继续采用φ(Z
1E
)。2.如权利要求1所述的一种基于特征增强和动态模板更新的弱光场景目标跟踪方法，其特征在于，步骤S2中所述的弱光图像特征增强模块包括图像亮度增强和图像自适应去噪两个子模块，其具体步骤为：S2.1、计算模板图像Z1和搜索区域图像X
i
的对数平均光照强度，如果图像的对数平均光照强度高于阈值则直接输出，反之进行后续增强处理；S2.2、对于符合增强条件的图像Z1和X
i
，首先将其输入图像亮度增强子模块进行光照增强，得到光照增强后的图像φ(Z
1LE
)和φ(X
iLE
)；S2.3、将φ(Z
1LE
)和φ(X
iLE
)输入图像自适应去噪子模块，去除图像中的高强度噪声，φ(Z
1LE
)和φ(X
iLE
)经过该自适应滤波算法得到噪声强度大大降低的增强图像Z
1E
和X
iE
。3.如权利要求2所述的一种基于特征增强和动态模板更新的弱光场景目标跟踪方法，其特征在于，步骤S2.1中对数平均光照强度的计算方法为：对于一张给定的RGB图像I,单个像素的光强值L
W
(I)首先表示为：其中ψ
m
(I(x,y))表示图像m通道中(x,y)位置处对应的光强，对数平均光照强度表示为：其中δ为一个很小的常量，用于避免L
W
为0的特殊情况。4.如权利要求2所述的一种基于特征增强和动态模板更新的弱光场景目标跟踪方法，其特征在于，步骤S2.3中，为了避免过度滤波带来的图像关键信息丢失，设置图像信息损失监督模块来控制滤波迭代次数，图像信息损失的计算方式为：监督模块来控制滤波迭代次数，图像信息损失的计算方式为：式中：I为输入图像，D为去噪后图像，m、n表示图像像素尺寸的长和宽，I(i,j)、D(i,j)
分别表示输入图像和去噪后图像(x,y)坐标处的像素值；当输入图像的信息损失超过70，则认为图像中的关键信息...
【专利技术属性】
技术研发人员：孙力帆，孔帅兵，张冬凯，王旭栋，冀保峰，张高远，司鹏举，陶发展，范波，付主木，
申请(专利权)人：河南科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。