[發明專利]基于核相關濾波優化的馬爾科夫決策在線多目標跟蹤方法

有效

• 申請號: 201810529460.1
• 申請日: 2018-05-29
• 公開（公告）號: CN108921873B
• 公開（公告）日: 2021-08-31
• 發明（設計）人: 黃立勤;陳志鴻
• 申請（專利權）人: 福州大學
• 主分類號: G06T7/246
• 分類號: G06T7/246
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 蔡學俊;薛金才

1.一種基于核相關濾波優化的馬爾科夫決策在線多目標跟蹤方法，其特征在于，包括以下步驟：

步驟S1：將檢測到的目標分配為激活狀態，利用預訓練的支持向量機分類器將處于激活狀態的目標分類為跟蹤狀態或非激活狀態；

步驟S2：當目標進入跟蹤狀態時，結合TLD跟蹤算法和核相關濾波跟蹤算法在線跟蹤每個目標和構建外觀模型，如果外觀模型在下一幀成功地跟蹤目標，則保持目標為跟蹤狀態，否則轉移狀態進入丟失狀態；

步驟S3：當目標進入丟失狀態時，使用相似度函數確定處于丟失狀態的目標與新檢測到的目標是否關聯，如果處于丟失狀態的目標與新檢測到的目標相關聯，將丟失狀態的目標轉移到跟蹤狀態，否則繼續保持為丟失狀態；

步驟S4：如果目標超過T_lost幀處于丟失狀態，將丟失狀態的目標轉移到非激活狀態。

2.根據權利要求1所述的馬爾科夫決策在線多目標跟蹤方法，其特征在于，激活狀態下的獎勵函數為：

其中，φ_Active(s)表示歸一化的5維特征，分別為目標的x坐標、y坐標、寬度、高度和目標檢測分數，和b_Active定義支持向量機的超平面，a表示動作，當a＝a₁時y(a)＝+1，當a＝a₂時y(a)＝-1，a₁表示將激活狀態的目標轉為跟蹤狀態，a₂表示將激活狀態的目標轉為非激活狀態。

3.根據權利要求1所述的馬爾科夫決策在線多目標跟蹤方法，其特征在于，所述TLD跟蹤算法中，在前一幀目標區域中取均勻分布點和圖像的Harris角點作為中值流跟蹤點。

4.根據權利要求1所述的馬爾科夫決策在線多目標跟蹤方法，其特征在于，所述核相關濾波跟蹤算法中加入高置信度模型更新策略，第一個置信度指標是輸出最大響應峰值，第二個置信度指標是平均峰值相關能量，所述平均峰值相關能量為：

其中，F_max，F_min，F_w,h分別表示最高響應、最低響應和(w,h)位置上的響應，w表示目標的寬度，h表示目標的高度；

當APCE和F_max均超過歷史均值某一定比例，此時核相關濾波跟蹤算法的外觀模型才進行更新。

5.根據權利要求4所述的馬爾科夫決策在線多目標跟蹤方法，其特征在于，所述步驟S2具體包括：

計算在線學習存儲的目標模板與TLD跟蹤算法預測的目標邊框位置之間的歸一化交叉相關相似性分數NCC₁，計算在線學習存儲的目標模板與核相關濾波跟蹤算法預測的目標邊框位置之間的歸一化交叉相關相似性分數NCC₂：

其中，I₁表示目標模板，I₂表示TLD跟蹤算法預測的目標邊框位置，I₃表示核相關濾波跟蹤算法預測的目標邊框位置，·表示點乘運算；

與目標模板之間的歸一化交叉相關相似性分數越高的目標邊框位置為最終的目標輸出位置；

計算前K幀中包含目標的區域與相應檢測到的結果之間重疊區域的均值：

其中，o(t_k,d_k)表示第k幀包含目標的區域和相應檢測結果之間的重疊，k＝1,2,...,K；

跟蹤狀態下的獎勵函數為：

其中，e₀，o₀，a₀，f₀為決策度量的閾值，e_medFB表示所有采樣點光流的前后向誤差的中位數，當a＝a₃時y(a)＝+1，當a＝a₄時y(a)＝-1，a₃表示將跟蹤狀態的目標保持為跟蹤狀態，a₄表示將跟蹤狀態的目標轉為丟失狀態，如果滿足各項決策度量，目標狀態將保持在跟蹤狀態，否則轉移狀態進入丟失狀態。