[發(fā)明專利]基于連續(xù)相關(guān)濾波器的定位修正長(zhǎng)程跟蹤方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710686738.1
• 申請(qǐng)日: 2017-08-11
• 公開（公告）號(hào): CN107424177B
• 公開（公告）日: 2021-10-26
• 發(fā)明（設(shè)計(jì)）人: 康文靜;李欣尤;劉功亮
• 申請(qǐng)（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)（威海）
• 主分類號(hào): G06T7/246
• 分類號(hào): G06T7/246;H04N7/18
• 代理公司: 威海科星專利事務(wù)所 37202
• 代理人: 初姣姣

1.一種基于連續(xù)相關(guān)濾波器的定位修正長(zhǎng)程跟蹤方法，其特征在于包括以下內(nèi)容

步驟1：實(shí)現(xiàn)連續(xù)域內(nèi)的目標(biāo)定位，具體通過獲得連續(xù)域內(nèi)的相關(guān)濾波器實(shí)現(xiàn)，當(dāng)給定了相關(guān)濾波器的權(quán)重w后，獲得追蹤器的相關(guān)響應(yīng)圖y_res定義在連續(xù)域內(nèi)，同時(shí)Z表示在當(dāng)前幀使用上一幀目標(biāo)位置獲取的搜索窗的特征，在相關(guān)濾波器跟蹤算法中，目標(biāo)物體的位置通過搜索整張響應(yīng)圖并尋找最大值y_res所在的位置來確定，分兩步來實(shí)現(xiàn)目標(biāo)的精細(xì)定位：首先將響應(yīng)圖y_res的位置索引s(t)，t∈[0，T)劃分為離散域s(T_n/(2K+1))，T_n＝0，…，2K，在位置s(T_n/(2K+1))上使用網(wǎng)格搜索，然后使用搜索到的最大值的位置作為y_res的起始搜索位置，使用牛頓迭代法實(shí)現(xiàn)連續(xù)域內(nèi)的目標(biāo)定位，而牛頓迭代法的海塞矩陣和偏導(dǎo)數(shù)可以通過分析y_res獲得；

步驟2：選擇目標(biāo)特征，通過分別訓(xùn)練三個(gè)模板R_t、R_s和R_d實(shí)現(xiàn)，其中目標(biāo)定位模板R_t是對(duì)目標(biāo)外觀的變化進(jìn)行實(shí)時(shí)編碼，同時(shí)需要對(duì)一些追蹤干擾如快速移動(dòng)和光照變化保持魯棒性，選擇VGG-19卷積神經(jīng)網(wǎng)絡(luò)，使用conv3-4、conv4-4和conv5-4這三層的輸出特征來訓(xùn)練目標(biāo)的定位模板R_t，而對(duì)于R_s和R_d模板，考慮到計(jì)算效率的問題，使用HOG特征；

步驟3：實(shí)現(xiàn)目標(biāo)重定位：在CCFT算法中，使用像素值對(duì)比的結(jié)果作為二值特征來訓(xùn)練隨機(jī)蕨分類器，首先在圖像塊上進(jìn)行一定數(shù)量的像素值對(duì)比，得出每一棵隨機(jī)蕨的先驗(yàn)概率，然后將所有隨機(jī)蕨的先驗(yàn)概率進(jìn)行平均，就得到了檢測(cè)器，搜索方法是通過使用k最近鄰分類器尋找最可靠的訓(xùn)練樣本，且如果k個(gè)最近鄰的特征圖都顯示為正樣本，則這一圖像塊則被認(rèn)為是所尋找的目標(biāo)圖像。

2.根據(jù)權(quán)利要求1所述的一種基于連續(xù)相關(guān)濾波器的定位修正長(zhǎng)程跟蹤方法，其特征在于步驟1中連續(xù)域內(nèi)的相關(guān)濾波器通過以下步驟獲得：

假設(shè)追蹤器的訓(xùn)練樣本x包含D個(gè)特征通道x¹，…，x^D，每個(gè)特征通道x^d可以生成一個(gè)相對(duì)應(yīng)的相關(guān)濾波器的權(quán)重w^d，則傳統(tǒng)的相關(guān)濾波器由求解下面的損失函數(shù)獲得：

其中λ是正則化參數(shù)，λ≥0，同時(shí)y是相關(guān)濾波器的期望輸出，它是二維高斯函數(shù)的形狀，||f(k)||₂表示序列f(k)的二范數(shù)，且

損失函數(shù)中所涉及的所有參數(shù)都定義在連續(xù)域內(nèi)，但實(shí)際上，訓(xùn)練樣本的特征通道x^d來源于所提取的圖像，而圖像是由離散的像素點(diǎn)來表示，所以x^d也是離散的，因此引入χ^d用于表示x^d經(jīng)過插值以后得到的連續(xù)圖像，使用的方法是三次樣條插值，假設(shè)一維的特征通道包含N_d個(gè)像素點(diǎn)，使用x^d[n]來表示x^d中每個(gè)像素點(diǎn)的取值，其中n∈{0，1，…，N_d-1}，則插值以后的圖像由式(2)獲得：

χ^d(v)是插值后的樣本特征，它是由插值函數(shù)b_d的循環(huán)疊加獲得的，其中x^d[n]用作循環(huán)樣本b_d的權(quán)重，通過應(yīng)用式(2)，離散的特征通道x^d[n]被映射到連續(xù)域內(nèi)χ^d(v)，v∈(0，V]，三次樣條核函數(shù)b_d可表示為式(3)：

其中a是x＝1處核函數(shù)的導(dǎo)數(shù)值；

使用更為精細(xì)的插值函數(shù)——三次樣條函數(shù)，同時(shí)，將特征圖插值到連續(xù)域內(nèi)，由此訓(xùn)練出連續(xù)域內(nèi)的相關(guān)濾波器，進(jìn)而實(shí)現(xiàn)連續(xù)的目標(biāo)定位：給定已插值的特征圖，可以通過調(diào)整傳統(tǒng)的損失函數(shù)來學(xué)習(xí)得到連續(xù)的相關(guān)濾波器：

式(4)中的所有變量都定義在連續(xù)域內(nèi)，假設(shè)表示a的離散傅里葉系數(shù)，且即可以將表示為a和復(fù)指數(shù)函數(shù)e_k(t)＝e^i2πkt/T的內(nèi)積的形式，根據(jù)式(2)和(4)可得出插值后的相關(guān)響應(yīng)圖的形式為因?yàn)轫憫?yīng)圖已經(jīng)被插值到連續(xù)域內(nèi)，則總的響應(yīng)圖可表示為為了訓(xùn)練相關(guān)濾波器w，將損失函數(shù)變換到頻率域內(nèi)表示：

式(5)中定義的相關(guān)濾波器權(quán)重包含無限多個(gè)傅里葉系數(shù)，但在實(shí)際應(yīng)用中，考慮到計(jì)算效率使用有限個(gè)傅里葉系數(shù)來表示相關(guān)濾波器為此，提出定義一個(gè)有限維的子域然后在傅里葉系數(shù)的基礎(chǔ)上求解式(5)，當(dāng)|k|＞K_d時(shí)定義同時(shí)將K_d的值設(shè)定為|N_d/2|，這時(shí)d特征通道對(duì)應(yīng)的相關(guān)濾波器的系數(shù)個(gè)數(shù)與x^d的傅里葉系數(shù)個(gè)數(shù)相等，應(yīng)用二范數(shù)性質(zhì)，(5)式的損失函數(shù)可以等價(jià)于：

式(6)中的期望輸出Y定義為其中K＝max K_d，矩陣Q＝[Q¹…Q^D]擁有2K+1行且包含擁有2K+1列的元素引入非零的相關(guān)濾波器系數(shù)向量和矩陣將式(6)兩邊分別對(duì)W進(jìn)行求導(dǎo)并得到：

(Q^HQ+λ)W＝Q^HY (7)

Q^H表示矩陣Q的復(fù)共軛，式(7)的解等價(jià)于下式：

式(8)訓(xùn)練出的相關(guān)濾波器w定義在連續(xù)域內(nèi)，同時(shí)每一個(gè)訓(xùn)練樣本對(duì)應(yīng)一個(gè)連續(xù)的期望輸出Y，在這種情況下，訓(xùn)練出的相關(guān)濾波器可以實(shí)現(xiàn)目標(biāo)位置的連續(xù)定位，大大減少因?yàn)殡x散定位而引入的定位誤差，

對(duì)于連續(xù)卷積濾波器的推導(dǎo)推廣到二維的情形，而二維的情形也正是視頻跟蹤對(duì)應(yīng)的情況，對(duì)于訓(xùn)練樣本，使用x(t₁，t₂)來表示所提取的特征圖；插值函數(shù)可以用三次樣條核函數(shù)的組合得到b(t₁，t₂)＝b(t₁)b(t₂)；而二維情況下的復(fù)共軛函數(shù)寫為