[發明專利]相關濾波器組集成的目標跟蹤方法

在審

• 申請號: 201810587821.8
• 申請日: 2018-06-08
• 公開（公告）號: CN108776977A
• 公開（公告）日: 2018-11-09
• 發明（設計）人: 錢誠;朱俊杰;李曉芳;徐煜明
• 申請（專利權）人: 常州工學院
• 主分類號: G06T7/246
• 分類號: G06T7/246
• 代理公司: 南京知識律師事務所 32207
• 代理人: 高桂珍

本發明公開了一種相關濾波器組集成的目標跟蹤方法，包括如下步驟：步驟1：每一幀視頻中單個相關濾波器的學習；步驟2：相關濾波器組的構建；步驟3：基于相關濾波器組的目標圖像確定。本發明設置一個相關濾波器組W用于存儲各幀視頻中所學習到的相關濾波器，每當在當前幀中學習到新的相關濾波器后，將其加入相關濾波器組中；每次加入一個新相關濾波器時，都要對W中已有的相關濾波器進行更新檢查，以便淘汰出相關性較高的相關濾波器，保留判別能力差異性較大的相關濾波器。本發明的目標跟蹤方法在保持較快跟蹤速度的同時，其有著較高的跟蹤精度，尤其對于目標外觀突變情況有著相對較高的魯棒性。

技術領域

本發明涉及一種相關濾波器組集成的目標跟蹤方法，屬于計算機視覺技術領域。

背景技術

2017年，Galoogahi等在題為《Learning Background-Aware CorrelationFilters for Visual Tracking》的論文中提出了一種高判別性相關濾波器構建方法，用于完成視頻中的目標跟蹤任務。該方法通過對包含目標的大尺寸圖像區域進行裁剪獲得用于相關濾波器學習的訓練樣本，即將大尺寸圖像區域作循環平移，在循環平移后的圖像區域上按照目標的尺寸裁剪出圖像區域作為訓練樣本，隨后使用增廣拉格朗日乘子算法計算得到相關濾波器。相比于傳統的基于相關濾波器跟蹤方法，該跟蹤方法可在更為復雜的場景下對特定目標進行跟蹤。但是該方法在構建新相關濾波器時仍然采用了線性插值的方式來更新相關濾波器，這很容易使得相關濾波器模型對于當前目標與背景過擬合，當目標外觀變化較大時，相關濾波器無法準確跟蹤目標。

基于相關濾波器的目標跟蹤方法通常以目標為中心的圖像區域作循環平移來采集訓練樣本，這種方式往往會產生偽像，導致背景樣本往往并不能真實地反映背景。另外，因為圍繞目標采集的樣本中背景數量往往遠大于目標，所以樣本類別的不平衡性也比較嚴重。在此訓練樣本上學習所得的相關濾波器對于目標與背景的判別能力也比較弱。最后，由于相關濾波器的更新往往采用線性插值的方式，相關濾波器很容易對當前目標外觀形成過擬合，魯棒性較差。

發明內容

針對現有技術中存在的上述問題，本發明提供一種相關濾波器組集成的目標跟蹤方法。

本發明的技術方案如下：

相關濾波器組集成的目標跟蹤方法，包括如下步驟：

步驟1：每一幀視頻中單個相關濾波器的學習；

步驟2：相關濾波器組的構建；

步驟3：基于相關濾波器組的目標圖像確定。

進一步地，所述步驟1包括如下步驟：

步驟1-1：在第一幀視頻中確定所要跟蹤的目標；

步驟1-2：圍繞當前幀中目標中心確定長寬為目標圖像5倍的訓練樣本采集區域，將其縮放至第一幀視頻中目標圖像區域長和寬5倍的圖像；

步驟1-3：確定相關濾波器w為：

進一步地，所述步驟1-3，