一种基于运动预测和区块搜索的视频目标跟踪方法技术

本发明专利技术涉及一种基于运动预测和区块搜索的视频目标跟踪方法，提出了运动预测和区块搜索策略；利用平均峰值相关能量、尺寸比例变化和跟踪分数三个跟踪结果评价指标来判断跟踪漂移是否发生，当跟踪器出现跟踪漂移时，利用运动预测和区块搜索策略及时重新定位目标的位置并完成后续的稳定跟踪，具体地，首先采用卡尔曼滤波器预测目标的运动轨迹，如果在一定时间内未能正确预测到目标，将采用区块搜索来定位目标，对搜索区域进行扩大，然后将搜索区域划分为若干个区块，在每个区块中计算目标的相似度，最后完成目标的精确定位；本发明专利技术大大提高了跟踪漂移后目标重新定位的准确性和精确度，并且在获得稳定的跟踪性能的条件下取得了更快的运行速度。

【技术实现步骤摘要】

本专利技术涉及视频目标跟踪领域，具体涉及一种基于运动预测和区块搜索的视频目标跟踪方法。

技术介绍

1、视觉目标跟踪是计算机视觉领域中的一个重要问题，它的主要任务是在视频序列中自动定位并跟踪一个事先给定的目标。视频目标跟踪技术广泛应用于视频监控、遥感卫星、无人驾驶等领域。尽管视觉目标跟踪在过去几年得到了快速的发展，但是在实际的应用中仍然存在着诸多的挑战因素有待解决，例如目标移出视野、遮挡、快速移动、目标形变、光照、尺度变换和背景杂乱；

2、近年来，随着计算机性能飞速提升，深度学习技术快速发展，深度特征被应用到目标跟踪领域中，虽然在跟踪精度上有所提升，但深度网络的反向传播过程计算量巨大，导致计算量剧增，无法满足实时性要求。孪生网络的出现很好的平衡了跟踪精度和速度，基于孪生网络(siamese network)的目标跟踪算法由于其优异的表现主导了视觉目标跟踪领域。基于孪生网络的跟踪器采用相似性度量的准则，通过两个具有相同或相似的网络结构提取目标图像和搜索图像的特征，然后计算二者特征之间的相似性并且在搜索图像中找到最大相似度的区域；

3、孪本文档来自技高网...

【技术保护点】

1.一种基于运动预测和区块搜索的视频目标跟踪方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于运动预测和区块搜索的视频目标跟踪方法，其特征在于，步骤S3中相似性计算具体实施步骤为：

3.根据权利要求1所述的一种基于运动预测和区块搜索的视频目标跟踪方法，其特征在于，步骤S4中，所述的跟踪得分TS的计算公式可以表示为：TS＝max(s*×(1-d)+H×d)，s*＝s×pn，其中d是一个超参数，H表示余弦矩阵，pn表示尺度变化惩罚因子，s表示相似性计算的响应图结果，s*表示经过尺度惩罚后的响应图结果。

4.根据权利要求1所述的一种基于运动预...

【技术特征摘要】

1.一种基于运动预测和区块搜索的视频目标跟踪方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于运动预测和区块搜索的视频目标跟踪方法，其特征在于，步骤s3中相似性计算具体实施步骤为：

3.根据权利要求1所述的一种基于运动预测和区块搜索的视频目标跟踪方法，其特征在于，步骤s4中，所述的跟踪得分ts的计算公式可以表示为：ts＝max(s*×(1-d)+h×d)，s*＝s×pn，其中d是一个超参数，h表示余弦矩阵，pn表示尺度变化惩罚因子，s表示相似性计算的响应图结果，s*表示经过尺度惩罚后的响应图结果。

4.根据权利要求1所述的一种基于运动预测和区块搜索的视频目标跟踪方法，其特征在于，步骤s4中，所述的平均能量相关峰值，是对当前跟踪目标质量的衡量，其计算公式为：其中，(w,h)代表当前元素在响应图中的二维位置索引，w代表横坐标，h代表纵坐标，fmax、fmin和fw,h是响应图中的最大值、最小值和(w,h)处的值。

5.如权利要求1所述的一种基于运动预测和区块搜索的视频目标跟踪方法，其特征在于，步骤s4中，所述的尺寸变化比例scr是对跟踪过程中目标尺度是否发生大的变化的衡量，其计算公式为：其中，m表示模板存储器中模板的数量，fiw×h表示模板存储器中的第i个模板目标的尺寸，fcw×h表示当前帧的模板尺寸。

6.如权利要求1所述的一种基于运动预测和区块搜索的视频目标跟踪方法，其特征在于，步骤s5中所述的运动轨迹预测，采用的是卡尔曼滤波器，其状态方程和观测方程分别表示为：xk＝axk-1+wk-1，zk＝hxk+vk；

7.如权利要求6所述的一种基于运动预测和区块搜索的视频目标跟踪方法，其特征在于，步骤s...

【专利技术属性】
技术研发人员：孙力帆，李新祥，弓保成，田宇，刘安清，张高远，张松灿，司鹏举，张冬凯，范波，
申请(专利权)人：河南科技大学，
类型：发明
国别省市：