[發明專利]一種基于似物性和相關濾波的目標跟蹤方法

在審

• 申請號: 201810568489.0
• 申請日: 2018-06-05
• 公開（公告）號: CN108876818A
• 公開（公告）日: 2018-11-23
• 發明（設計）人: 李巍;杜紅軍;梁凱;申揚;陳碩;王鷗;楊明鈺;張開軍;楊育彬;郝躍冬;劉嘉華;康睿
• 申請（專利權）人: 國網遼寧省電力有限公司信息通信分公司;南京大學;南京南瑞信息通信科技有限公司
• 主分類號: G06T7/246
• 分類號: G06T7/246
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 胡建華;于瀚文

1.一種基于似物性和相關濾波的目標跟蹤方法，其特征在于，包括以下步驟：

步驟1，輸入視頻，在視頻的第一幀中，對標記目標區域擴展，以擴展后的圖片塊為目標樣本，利用循環位移的方法構建訓練樣本，并進行邊界效應處理，構建回歸模型；

步驟2，獲取視頻的下一幀，以前一幀的目標位置為中心定義搜索區域，并計算當前幀搜索區域的前向光流；

步驟3，基于步驟2得到的前向光流和當前幀搜索區域的顏色通道，得到邊緣圖；

步驟4，基于步驟3得到的邊緣圖，產生運動目標的候選集合；

步驟5，基于步驟4得到的候選集合，利用超像素對候選框窗口進行調整，得到最終的運動目標的候選集合；

步驟6，在當前幀中的搜索區域中用步驟1得到的回歸模型計算對應的響應值，并利用步驟1的回歸模型計算步驟5中得到的運動目標候選的響應值；

步驟7，基于步驟6得到的響應值，選擇響應值最大的候選矩形框并確定當前幀的目標狀態；

步驟8，基于步驟7得到的當前幀的目標狀態更新步驟1中的回歸模型；

步驟9，判斷當前幀是否為視頻的最后一幀，若是則結束；否則轉入步驟2。

2.根據權利要求1所述的方法，其特征在于，步驟1包括：輸入視頻，獲取視頻第一幀，對以目標區域為中心，高和寬為目標區域λ倍的區域作為目標區域擴展，目標區域高和寬分別為w₁和h₁，擴展后的的圖片塊記為x，大小記為λw₁×λh₁，λw₁、λh₁分別表示圖片塊x的高和寬，用擴展的圖片塊x采用KCF中的訓練方法得到回歸模型，引入核函數后，回歸模型的解表示為其中y為訓練樣本的標簽，表示樣本的預測標簽，表示真實解，表示預測解，為訓練樣本通過核函數映射后乘積結果組成的矩陣的第一行。

3.根據權利要求2所述的方法，其特征在于，步驟2包括：獲取視頻下一幀，以前一幀目標位置l_i-1為中心，前一幀目標區域高寬的λ倍作為當前的搜索區域z，前一幀目標區域高和寬分別為w_i-1和h_i-1，當前的搜索區域z大小為λw_i-1×λh_i-1，在前一幀中提取相同大小的圖片區域，利用LDOF大位移光流計算當前幀搜索區域的前向光流。

4.根據權利要求3所述的方法，其特征在于，步驟3包括：將步驟2得到的前向光流即2維光流通道與當前幀搜索區域的R、G、B三個顏色通道結合，得到5維的圖片塊，利用結構化隨機森林的方法計算圖片塊的邊緣，得到邊緣圖。

5.根據權利要求4所述的方法，其特征在于，步驟4包括：在得到的邊緣圖上，采用基于邊緣的似物性方法EdgeBox產生運動目標的候選集合。

6.根據權利要求5所述的方法，其特征在于，步驟5包括：對候選集合，對每個候選的矩形窗口進行調整，將當前幀的搜索區域采用SLIC簡單線性迭代聚類算法進行超像素分割，由調整后的矩形框構成最終的運動目標的候選集合。

7.根據權利要求6所述的方法，其特征在于，步驟6包括：

步驟6-1，利用步驟1得到的回歸模型的解α和步驟2得到搜索區域z，調整z的大小為λw₁×λh₁，利用KCF核相關濾波中的檢測算法計算搜索區域對應的響應值，計算公式為為KCF中檢測算法，為搜索區域的響應值，即概率，響應值的最大值記為v，由最大值的位置得到目標的位置l^d；

步驟6-2，對步驟5得到的候選集合中的每個矩形框，調整大小為λw₁×λh₁，其響應值由計算得到，針對于候選集合中每一個矩形框，f(p)為每一矩形框響應值的和，為KCF中檢測算法，表示所有元素的和，其中的最大值記為f_max，其對應的位置記為l^b，尺寸記為w^b×h^b，w^b表示寬，h^b表示高。