[發(fā)明專利]基于自適應(yīng)特征融合的目標(biāo)跟蹤

在審

• 申請?zhí)枺?/td>: 201710622389.7
• 申請日: 2017-07-27
• 公開（公告）號: CN107644430A
• 公開（公告）日: 2018-01-30
• 發(fā)明（設(shè)計）人: 孫戰(zhàn)里;谷成剛
• 申請（專利權(quán)）人: 孫戰(zhàn)里
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理和計算機(jī)視覺領(lǐng)域，具體涉及一種自適應(yīng)特征融合的目標(biāo)跟蹤方法。

技術(shù)背景

在計算機(jī)視覺中，目標(biāo)跟蹤是一個熱門的研究領(lǐng)域，可以應(yīng)用到視頻監(jiān)控、自動監(jiān)測等多個人機(jī)交互領(lǐng)域。雖然近幾年研究人員提出了許多跟蹤算法，但面臨目標(biāo)外觀變化、快速運動、尺度變換、遮擋等問題，很難達(dá)到實時高效穩(wěn)定的跟蹤。

傳統(tǒng)的跟蹤方法通過構(gòu)建復(fù)雜的外觀模型，抽取大量的學(xué)習(xí)樣本，產(chǎn)生龐大的計算量，很難達(dá)到實時跟蹤。相關(guān)濾波類方法繞過構(gòu)建復(fù)雜的外觀模型與大量學(xué)習(xí)樣本，僅通過前一幀的跟蹤結(jié)果作為學(xué)習(xí)樣本就可以跟蹤，不僅可以達(dá)到實時跟蹤，也能保證跟蹤精度。

相關(guān)濾波類方法如果利用有效的樣本特征可以顯著的提高跟蹤精度，近些年不斷涌現(xiàn)大量優(yōu)秀的特征(HOG特征、CN特征、深度特征等)使跟蹤效果不斷提高，不同優(yōu)秀特征的融合也能形成優(yōu)勢互補(bǔ)，提高跟蹤精度。

發(fā)明內(nèi)容

本發(fā)明提出了一種自適應(yīng)特征融合的跟蹤方法，可以顯著提高跟蹤精度。并且融入了遮擋判斷機(jī)制，對遮擋的目標(biāo)達(dá)到準(zhǔn)確跟蹤。

本發(fā)明技術(shù)解決方案如下：

基于自適應(yīng)特征融合的目標(biāo)跟蹤，其特征在于：包括如下步驟：

步驟1：初始化目標(biāo)并選取目標(biāo)區(qū)域；

步驟2：在目標(biāo)區(qū)域選取樣本，計算HOG特征以及CN特征，構(gòu)造位置高斯濾波器、尺度濾波器；

步驟3：計算檢測樣本的HOG特征以及CN特征，并進(jìn)行加余弦窗處理；

步驟4：多通道特征求和，分別得到不同特征的高斯響應(yīng)值；

步驟5：分別根據(jù)響應(yīng)值計算特征權(quán)重。歸一化權(quán)重系數(shù)，融合特征響應(yīng)值；

步驟6：對求得響應(yīng)值進(jìn)行排序，選取最大值對應(yīng)的樣本區(qū)域作即為目標(biāo)位置；

步驟7：在目標(biāo)周圍提取尺度樣本，計算特征后，通過尺度濾波器，獲取尺度響應(yīng)；

步驟8：求得尺度響應(yīng)最大值即目標(biāo)尺度，更新目標(biāo)尺度；

步驟9：更新尺度濾波器模型；

步驟10：根據(jù)目標(biāo)位置相應(yīng)判斷是否出現(xiàn)遮擋，如果是重復(fù)步驟3至步驟9，如果沒出現(xiàn)遮擋進(jìn)入步驟11；

步驟11：更新位置濾波器模型；

步驟12：重復(fù)步驟3至11直至跟蹤結(jié)束。

所述步驟1為：

根據(jù)所述第一幀被跟蹤目標(biāo)的初始化位置為p＝[x,y,w,h]。

其中x,y表示目標(biāo)中心點的橫坐標(biāo)和縱坐標(biāo)，w,h分別表示目標(biāo)框的寬和高。

目標(biāo)區(qū)域選取以目標(biāo)中心點為中心，2倍目標(biāo)大小的矩形區(qū)域為目標(biāo)區(qū)域P_t。

所述步驟2為：

計算目標(biāo)區(qū)域P_t的HOG特征和CN特征作為濾波器的輸入F。

其中M和N表示目標(biāo)區(qū)域P_t的大小，L表示特征通道的個數(shù)。

第一幀選取標(biāo)準(zhǔn)偏差構(gòu)造位置濾波器輸出，即

其中(x,y)表示目標(biāo)位置,(x',y')∈{0,…,M-1}×{0,…,N-1}表示每個像素位置。

選取標(biāo)準(zhǔn)差作為尺度濾波器輸出，即：

其中s表示目標(biāo)當(dāng)前的尺度，s'表示樣本尺度：

其中，P,R分別為目標(biāo)在前一幀的寬和高，a＝1.02為尺度因子，S＝33為尺度的數(shù)量。

根據(jù)建立最小化代價函數(shù)構(gòu)造濾波器h，如下：

其中，h表示濾波器，f表示濾波器輸入，g表示濾波器輸出，l表示特征的某一維度，λ是正則項系數(shù)。

作用是消除f頻譜中的零頻分量的影響，避免上式解的分子為零，通過最優(yōu)化求解，并轉(zhuǎn)化為頻域，則濾波器表示為：

其中H^l表示我們構(gòu)造的濾波器，表示濾波器輸出的頻域共軛，F(xiàn)^l表示濾波器的頻域輸入的某一維度。

d表示輸入樣本的像素個數(shù)，F(xiàn)k表示輸入的某一像素值的頻域，是它的頻域共軛，A^l和B表示構(gòu)造濾波器的分子和分母。

完成濾波器的構(gòu)造。

所述步驟3為：

計算HOG特征初始化單元大小為1×1，根據(jù)標(biāo)準(zhǔn)化HOG特征計算函數(shù)得到檢測樣本M×N大小的27維梯度特征，加上一維的灰度特征構(gòu)成M×N×L₁的HOG特征，其中L₁＝28。

CN特征根據(jù)標(biāo)準(zhǔn)的計算函數(shù)可以得到M×N×L₂的CN特征，其中L₂＝10。