[發(fā)明專利]一種基于似物性和相關(guān)濾波的目標(biāo)跟蹤方法

在審

• 申請?zhí)枺?/td>: 201810568489.0
• 申請日: 2018-06-05
• 公開（公告）號: CN108876818A
• 公開（公告）日: 2018-11-23
• 發(fā)明（設(shè)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(quán)）人: 國網(wǎng)遼寧省電力有限公司信息通信分公司;南京大學(xué);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(wù)所 32237
• 代理人: 胡建華;于瀚文

本發(fā)明公開了一種基于似物性和相關(guān)濾波的目標(biāo)跟蹤方法，包含：將幀中的目標(biāo)區(qū)域進行擴展，構(gòu)建訓(xùn)練樣本并訓(xùn)練核相關(guān)濾波，每來新一幀的圖像，計算當(dāng)前幀中搜索區(qū)域的前向光流，結(jié)合搜索區(qū)域的顏色信息，通過邊緣檢測算法得到運動物體的邊界，根據(jù)邊緣檢測產(chǎn)生的邊緣圖，由似物性方法產(chǎn)生目標(biāo)的候選，調(diào)整候選窗口的四個邊界使其更加貼合物體的真實邊緣。在當(dāng)前幀的搜索區(qū)域中，由核相關(guān)濾波檢測到最大響應(yīng)值對應(yīng)的目標(biāo)初始位置，并計算似物性方法得到候選的響應(yīng)值，通過比較響應(yīng)值得出當(dāng)前幀的目標(biāo)位置和大小并對模型進行更新。本發(fā)明能夠有效處理快速運動和尺度變化等問題，從而實現(xiàn)魯棒的跟蹤。

技術(shù)領(lǐng)域

本發(fā)明涉及計算機視覺領(lǐng)域，更具體地，涉及一種基于似物性和相關(guān)濾波的目標(biāo)跟蹤方法法。

背景技術(shù)

目標(biāo)跟蹤作為計算機視覺領(lǐng)域的一個重要研究方向，目前已受到了廣泛的關(guān)注。該技術(shù)在安全監(jiān)控、無人駕駛和軍事防御等領(lǐng)域具有寬廣的應(yīng)用前景。盡管目前已經(jīng)存在著相當(dāng)數(shù)量的目標(biāo)跟蹤方法，但這些方法往往在光照變化、物體形變、快速運動和嚴(yán)重遮擋情況下不穩(wěn)定甚至失效。因此，提出一種有效的目標(biāo)跟蹤算法具有重要的應(yīng)用價值和現(xiàn)實意義。

近年來，由于相關(guān)濾波的簡單高效性，基于相關(guān)濾波的跟蹤算法成為眾多跟蹤算法中最為常見的方法，是目前視覺目標(biāo)跟蹤的主流方法之一。相關(guān)濾波算法從訓(xùn)練樣本中訓(xùn)練一個判別性模型，用此模型評估候選和目標(biāo)之間的相似性。因為空間領(lǐng)域上的卷積操作可以轉(zhuǎn)化為傅里葉域的元素的乘法，評估循環(huán)移動的候選是非常快速的。直觀上，相關(guān)濾波的原理可以簡單概括為在跟蹤區(qū)域中對目標(biāo)產(chǎn)生高響應(yīng)，對背景產(chǎn)生低響應(yīng)，其中最高響應(yīng)對應(yīng)的位置即為目標(biāo)位置。目前，基于相關(guān)濾波的跟蹤算法已經(jīng)成為主流的跟蹤算法之一。但是，對遮擋、形變等引起的目標(biāo)尺寸的變化問題，基于相關(guān)濾波的跟蹤方法仍缺乏有效的應(yīng)對能力。

另一方面，目標(biāo)檢測領(lǐng)域中，采用似物性(Object Proposal)的檢測模型表現(xiàn)出優(yōu)于基于傳統(tǒng)滑動窗口的方法。直觀上，給定一幅圖像，似物性算法的結(jié)果通常為很多可能包含圖像中物體的矩形框，對矩形框中到底是什么物體并不關(guān)心。相對于傳統(tǒng)檢測方法，似物性不僅可以通過減少候選矩形框來加速計算過程，并且可以通過減少錯誤的正例來提高檢測精度。但是目標(biāo)跟蹤問題中視頻序列的圖像和靜態(tài)圖像還是有較大差別的，首先分辨率就比靜態(tài)圖像差低很多，圖像本身的質(zhì)量加上似物性算法本身的問題，在跟蹤中似物性方法還沒有得到廣泛應(yīng)用。同時，相鄰幀間的時序信息在目標(biāo)跟蹤問題中有重要作用，將單一幀做為靜態(tài)圖像進行似物性檢測沒有充分考慮這一點。

發(fā)明內(nèi)容

發(fā)明目的：針對現(xiàn)有技術(shù)中存在的問題，本發(fā)明提供一種基于似物性和相關(guān)濾波的目標(biāo)跟蹤方法。

為了解決上述技術(shù)問題，本發(fā)明公開了一種基于似物性和相關(guān)濾波的目標(biāo)跟蹤方法，包含如下步驟：

步驟1，輸入視頻，在視頻的第一幀中，對標(biāo)記目標(biāo)區(qū)域擴展，以擴展后的圖片塊為目標(biāo)樣本，利用循環(huán)位移的方法構(gòu)建訓(xùn)練樣本，并進行邊界效應(yīng)處理，構(gòu)建回歸模型；

步驟2，獲取視頻的下一幀，以前一幀的目標(biāo)位置為中心定義搜索區(qū)域，并計算當(dāng)前幀搜索區(qū)域的前向光流；

步驟3，基于步驟2得到的前向光流和當(dāng)前幀搜索區(qū)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(chǎn)生運動目標(biāo)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(diào)整，得到最終的運動目標(biāo)的候選集合；

步驟6，在當(dāng)前幀中的搜索區(qū)域中用步驟1得到的回歸模型計算對應(yīng)的響應(yīng)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(biāo)候選的響應(yīng)值；

步驟7，基于步驟6得到的響應(yīng)值，選擇響應(yīng)值最大的候選矩形框并確定當(dāng)前幀的目標(biāo)狀態(tài)；

步驟8，基于步驟7得到的當(dāng)前幀的目標(biāo)狀態(tài)更新步驟1中的回歸模型；