一种基于统计颜色特征的可重构相关滤波目标跟踪算法制造技术

本发明专利技术涉及一种基于统计颜色特征的可重构相关滤波目标跟踪算法，可使用该算法对目标进行跟踪，同时可在目标跟丢时开启重构策略，重捕获目标。包括以下步骤：第一，在初始帧框处被跟踪目标，提取目标的统计颜色特征与背景内干扰目标的统计颜色特征，训练算法中跟踪器；第二，在后续帧中无需框出跟踪目标，利用初始帧中框出的被跟踪目标在新一帧的信息，持续训练算法跟踪器，以跟踪在运动过程中变形的目标；第三，如果在跟踪过程中，出现目标因形变，遮挡等原因丢失的情况，算法将自动启动重构策略，使用可重构策略跟踪器对目标进行大范围检测，目的是找到丢失的目标，可重构策略跟踪器找到目标后，利用目标的新位置与信息，继续进行后续帧的跟踪。行后续帧的跟踪。行后续帧的跟踪。

【技术实现步骤摘要】
一种基于统计颜色特征的可重构相关滤波目标跟踪算法


[0001]本专利技术属于图像处理、机器视觉领域，具体涉及一种基于统计颜色特征的可重构相关滤波目标跟踪算法。

技术介绍

[0002]在当前计算机视觉领域，对于图像目标的长期稳定跟踪研究，已经成为重点研究方向。目标长期稳定跟踪技术已经广泛应用于机器人、目标探测、国防军工等高精尖领域。由于目标跟踪是一个需要融合模式识别、图像处理、自动化等众多学科技术的综合性应用发展方向，需要对图像进行综合性分析处理，所以设计出一种稳定、高效、高鲁棒性的目标跟踪算法并非易事。目标跟踪技术的关键在于利用算法模型将目标与背景区分开来。为了实现区分目标与背景的要求，通常有以下几种方法：基于对比度分析的方法，基于特征匹配的方法，基于检测的方法和基于深度模型的方法等。基于对比度分析的方法对目标与场景的要求较高，要求跟踪目标与背景之间存在一定的灰度差，再通过阈值分割将高灰度的部分分割出来。但由于大部分情况下，目标与背景的灰度差并不能够满足高灰度差要求，所以基于对比度的方法具有较高的局限性。基于检测的方法主要思想是通过检测视频序列图像中目标与背景差异，来确定目标的位置从而实现跟踪任务。传统的检测方法有帧间差分法、背景差分法和光流法等。其中帧间差分与背景差分的方法是通过对前后两帧作差值计算得到目标区域，这种方法要求场景为静态，才可通过作差求出目标区域，但大部分目标跟踪场景都处于运动状态下，同时这两种方法也会受到运动非目标物体的严重干扰，所以帧间差分与背景差分的方法适用性不强。光流法可以处理动态背景视频序列图像，但稠密的光流点计算会占用大量计算资源，时间效率低，无法满足实时性要求，不能应用在实时性要求高的工程任务中。在基于特征匹配的方法中，这些方法对于特征的选择或是针对于目标的纹理特征，或是针对于目标的颜色特征，或是计算目标的多个特征，利用多个特征来对目标进行辨别。使用目标的纹理、颜色等非统计性单特征的方法会由于目标大型形变而出现目标丢失的情况，而使用多个特征集合的方法又会占用大量资源，减低实时性。而本算法使用的统计颜色特征能够很好地解决这些问题。统计颜色特征计算目标的颜色分布概率，而非颜色具体位置，能够满足目标大型形变时的目标跟踪要求，同时统计颜色特征的计算量较多特征集合的方法计算量小，满足实时性要求。
[0003]此外还有一些新颖的跟踪思路，例如：将卡尔曼滤波作为目标的运动模型，对目标进行运动预测来跟踪目标；利用目标外观相似度建立关联等跟踪思路。这些方法会针对于某些特定方面对算法进行改善，但同时会放弃一些衡量标准。如算法针对于提高跟踪准确度，但会放弃实时性要求；针对于在跟踪速度方面提高，但准确度会有所下降等。这些算法也可能因为各种因素造成跟踪误差累计，最终影响跟踪效果。同时这些算法也没有在目标丢失后，重新捕获的能力。

技术实现思路

[0004]为解决上述技术问题，针对目标跟踪任务，本专利技术提供一种基于统计颜色特征的可重构相关滤波目标跟踪算法，使用统计颜色特征解决目标发生大型形变时，纹理、颜色等特征无法辨别目标出现目标丢失的情况，增强了算法的鲁棒性。同时本专利技术的可重构策略，可以在跟踪目标被遮挡或移出场景再返回时，对跟踪模型进行重构，实现对目标的重新捕获，增强算法的工程实际应用能力。
[0005]针对目标跟踪需求，本专利技术使用基于相关滤波的跟踪算法作为本专利技术的算法骨架，并在此基础上对目标大型形变与丢失问题进行针对性改进。针对大型形变的问题，引入统计颜色统计模型。统计颜色特征可在跟踪过程中预先探测出与目标相似的干扰区域，再与正确的目标区域结合表示。统计颜色特征的使用能够有效降低传统颜色特征方法在目标发生形变，大小变化等尺度形状变化时，目标跟踪丢失的现象。同时针对跟踪过程中目标因遮挡、移出场景等问题，使用可重构策略跟踪器，在成功跟踪到目标时，可重构策略跟踪器用于精确跟踪目标；目标在跟踪过程中丢失时，跟踪器将重构策略，启用目标丢失重捕获功能，用于目标丢失时的重新捕获定位目标，成功解决目标丢失问题。
[0006]为达到上述目的，本专利技术采用如下技术方案：
[0007]一种基于统计颜色特征的可重构相关滤波目标跟踪算法，包括以下步骤：
[0008]步骤一：在视频开始时，在视频初始帧框出需要跟踪的目标，利用视频初始帧选中区域的先验信息，作为目标模板，提取图像的HOG特征、灰度特征与统计颜色特征，训练可重构策略跟踪器；
[0009]步骤二：在后续帧中，使用在视频初始帧中训练完的可重构策略跟踪器，在上一帧的目标范围附近对图像进行模板匹配操作，进行搜索、判定，实现对后续帧中的目标进行持续跟踪，并返回目标跟踪情况响应值；
[0010]步骤三：根据上一帧返回的目标跟踪情况响应值判定是否启用重检测功能；
[0011]步骤四：若步骤二中返回的目标跟踪响应值低于阈值，则判定为目标跟踪失败，目标丢失；开始以上一帧跟踪正确的目标位置质心为中心的200*200小邻域范围内进行重检测，将重检测得到的最大响应值作为新一帧的目标位置，同时继续返回目标跟踪情况响应值；
[0012]步骤五：若步骤二中返回的目标跟踪响应值高于阈值，则判定为目标跟踪成功；以上一帧跟踪目标的HOG特征、灰度特征与统计颜色特征重新训练可重构策略跟踪器，以实现目标的持续跟踪，同时继续返回目标跟踪响应值。
[0013]进一步地，所述步骤五中对使用的HOG特征、灰度特征与统计颜色进行线性组合；
[0014]在视频初始帧时，获得被框出的目标区域O以及潜在干扰区域集合D；对颜色分布实施更新策略。
[0015]进一步地，所述步骤三中，可重构策略跟踪器根据上一帧时的处理结果返回值进行判断；如果返回值高于阈值，则判定为可重构策略跟踪器在上一帧成功跟踪目标，当前帧则会继续跟踪目标；如果返回值低于阈值，则判定为可重构策略跟踪器在上一帧未成功跟踪目标，目标跟丢，则在当前帧，可重构策略跟踪器启用目标丢失后的重检测功能，对目标进行重新检测。
[0016]有益效果：
[0017]本专利技术使用了基于相关滤波的目标跟踪算法，相关滤波因其高准确度与高实时性，在工程领域得到广泛应用。统计颜色特征可在跟踪过程中预先探测出与目标相似的干扰区域，再与正确的目标区域结合表示。统计颜色特征的使用能够有效降低传统颜色特征方法在目标发生形变，大小变化等尺度形状变化时，目标跟踪丢失的现象。同时本专利技术使用可重构策略跟踪器，在成功跟踪到目标时，可重构策略跟踪器用于精确跟踪目标；目标在跟踪过程中丢失时，可重构策略跟踪器用于目标丢失时的重新捕获定位目标。
附图说明
[0018]图1为本专利技术的一种基于统计颜色特征的可重构相关滤波目标跟踪算法流程图；
[0019]图2为本专利技术的重检测功能流程图；
[0020]图3为跟踪的定性结果示意图。
具体实施方式
[0021]下面结合附图对本专利技术的具体实施方式做进一步说明。
[0022]本专利技术首先根据初始帧信息，获得跟踪目标的先验信息。使用统计颜色特征，对该先验信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于统计颜色特征的可重构相关滤波目标跟踪算法，特征在于，包括以下步骤：步骤一：在视频开始时，将会在视频初始帧框出需要跟踪的目标，利用视频初始帧选中区域的先验信息，作为目标模板，提取图像的HOG特征、灰度特征与统计颜色特征，训练可重构策略跟踪器；步骤二：在后续帧中，使用在视频初始帧中训练完的可重构策略跟踪器，在上一帧的目标范围附近对图像进行模板匹配操作，进行搜索、判定，实现对后续帧中的目标进行持续跟踪，并返回目标跟踪情况响应值；步骤三：根据上一帧返回的目标跟踪情况响应值判定是否启用重检测功能；步骤四：若步骤二中返回的目标跟踪响应值低于阈值，则判定为目标跟踪失败，目标丢失；开始以上一帧跟踪正确的目标位置质心为中心的200*200小邻域范围内进行重检测，将重检测得到的最大响应值作为新一帧的目标位置，同时继续返回目标跟踪情况响应值；步骤五：若步骤二中返回的目标跟踪响应值高于阈值，则判...

【专利技术属性】
技术研发人员：张弘，曹书豪，冯亚春，袁丁，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：