[發明專利]多特征分層融合的相關濾波魯棒跟蹤方法

有效

• 申請號: 201710834972.4
• 申請日: 2017-09-15
• 公開（公告）號: CN107578423B
• 公開（公告）日: 2020-04-28
• 發明（設計）人: 谷雨;魯國智;彭冬亮
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06T7/207
• 分類號: G06T7/207;G06T7/246
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 黃前澤

本發明涉及涉及一種多特征分層融合的相關濾波魯棒跟蹤方法。為提高目標跟蹤的魯棒性，針對相關濾波跟蹤中的多特征融合問題，本發明提出了一種多特征分層融合策略。從目標和周圍背景區域分別提取HOG特征、CN特征和顏色直方圖特征三種特征。采用自適應加權融合策略進行HOG特征和CN特征的特征響應圖融合。將該層融合結果與基于顏色直方圖特征獲得的特征響應圖進行第二層融合時，采用固定系數融合策略進行特征響應圖的融合。本發明在保證跟蹤準確率的前提下，跟蹤魯棒性優于其它算法。當相關濾波跟蹤算法采用了多個特征時，本發明的分層融合策略具有一定的借鑒性。

技術領域

本發明屬于目標跟蹤領域，涉及一種多特征分層融合的相關濾波魯棒跟蹤方法。

背景技術

視覺跟蹤用來確定感興趣的目標在視頻序列中連續的位置，其是計算機視覺領域的熱點問題之一，具有廣泛的研究與應用價值。目前主要的視覺跟蹤算法包括基于在線學習的視覺跟蹤算法、基于稀疏表示的視覺跟蹤算法、基于相關濾波的視覺跟蹤算法和基于卷積神經網絡的視覺跟蹤算法。近年來基于相關濾波的視覺跟蹤算法由于具有實時性好和跟蹤性能高的優點，在VOT視覺跟蹤競賽中取得了優異成績。

影響相關濾波跟蹤算法性能的主要因素包括相關濾波器的設計，圖像特征的提取、選擇和融合兩個方面。當在相關濾波跟蹤算法中采用多源特征時，根據融合的層次不同，融合策略可分為特征提取層融合和特征響應圖層融合兩種，如圖1所示。融合策略一在特征提取層將多種特征合并成多通道特征，融合策略二在特征響應圖層進行融合，主要方法可概括為固定系數加權融合、自適應加權融合、自適應特征選擇融合和分層融合等。

目前主流的基于相關濾波的目標跟蹤算法，通過采用多源特征來提高跟蹤性能。CN和DSST采用融合策略一，分別將顏色名(Color Name,CN)、方向梯度直方圖(Histogramof Oriented Gradient,HOG)和灰度(Gray)特征合并成多通道特征。SAMF采用融合策略一，直接將Gray、HOG和CN特征合并成多通道特征。將不同類型的特征直接組合成多通道特征，雖然融合方法實現簡單，但是融合特征固定不變，無法根據目標周圍環境的變化，自適應的改變融合特征，以提高融合特征的顯著性。Staple采用融合策略二，用固定系數加權策略將HOG特征和顏色直方圖特征在特征響應圖層進行特征融合，使其能有效處理目標形變。但在不同跟蹤場景中，不同類型的特征描述目標的能力不同，應根據不同特征的判別性采取分層融合策略。

發明內容

為提高目標跟蹤的魯棒性，針對相關濾波跟蹤中的上述多特征融合問題，本發明設計了一種多特征分層融合的相關濾波魯棒跟蹤算法。本發明采用多通道相關濾波跟蹤算法進行目標跟蹤，從目標和周圍背景區域分別提取HOG特征、CN特征和顏色直方圖特征三種特征。HOG特征和CN特征分別描述了目標的梯度和顏色特征，不同跟蹤場景下目標的HOG特征和CN特征的顯著性不同，本發明采用自適應加權融合策略進行第一層的HOG特征和CN特征的特征響應圖融合，以增強目標特征的顯著性。當目標發生形變時，HOG和CN這類模板特征幾乎失效，而顏色直方圖特征能保留一部分目標信息，可以依賴顏色直方圖特征響應圖來定位目標，從而提高跟蹤算法的魯棒性。由于顏色直方圖特征的判別性較弱，易受背景相似顏色的干擾，當模板特征和顏色直方圖特征融合時，本發明將顏色直方圖特征作為一種輔助特征。將第一層融合結果與基于顏色直方圖特征獲得的特征響應圖進行第二層融合時，本發明采用固定系數融合策略進行特征響應圖的融合。

為解決上述技術問題，本發明采用的技術方案包括以下步驟：

步驟(1).在當前幀中的上一幀目標估計位置和尺度上，分別提取HOG、CN和顏色直方圖三種特征的位置候選樣本；基于多通道相關濾波算法，通過位置相關濾波器分別得到HOG和CN特征響應圖；通過顏色直方圖濾波器和積分圖技術，得到顏色直方圖特征響應圖；