[發(fā)明專利]基于相關(guān)濾波的抗遮擋目標(biāo)跟蹤方法

有效

• 申請?zhí)枺?/td>: 201811071458.0
• 申請日: 2018-09-14
• 公開（公告）號(hào): CN109299735B
• 公開（公告）日: 2021-08-20
• 發(fā)明（設(shè)計(jì)）人: 肖剛;趙俊豪;張星辰;杜爾·普拉薩德·巴維瑞瑟特;張強(qiáng);王彥然;劉藝博
• 申請（專利權(quán)）人: 上海交通大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06T7/13;G06T7/73
• 代理公司: 上海交達(dá)專利事務(wù)所 31201
• 代理人: 王毓理;王錫麟

1.一種基于相關(guān)濾波的抗遮擋目標(biāo)跟蹤方法，其特征在于，在手動(dòng)選擇跟蹤目標(biāo)之后先使用LCT跟蹤器中的運(yùn)動(dòng)相關(guān)濾波器和外觀相關(guān)濾波器分別對目標(biāo)的平移及目標(biāo)的尺度進(jìn)行估計(jì)并得到目標(biāo)跟蹤結(jié)果，并在丟失目標(biāo)時(shí)分別采用在線分類器的檢測結(jié)果作為跟蹤結(jié)果以恢復(fù)準(zhǔn)確目標(biāo)跟蹤或采用重新檢測器和LCT跟蹤器進(jìn)行交替繼續(xù)跟蹤；

所述的目標(biāo)的平移，通過映射和離散傅里葉變換之后，運(yùn)動(dòng)相關(guān)濾波器w₁的解表示成樣本的線性組合，即：w₁＝∑_m，na(m,n)φ(x_m,n)，其中：系數(shù)a滿足a經(jīng)離散傅里葉變換后為A，使用高斯核定義核映射φ為k(x,x')＝φ(x)·φ(x')，當(dāng)處理下一幀時(shí)，運(yùn)動(dòng)相關(guān)濾波器w₁會(huì)在上一幀的目標(biāo)位置附近和M×N大小的圖像塊z進(jìn)行相關(guān)操作，通過離散傅里葉逆變換到空間域后會(huì)得到一幅響應(yīng)圖，即其中：表示學(xué)習(xí)的目標(biāo)外觀特征，取值范圍為[0,1]，0表示黑色，1表示白色，在中擁有最大值的位置就是所得到的目標(biāo)在新一幀中的目標(biāo)位置。

2.根據(jù)權(quán)利要求1所述的方法，其特征是，所述的丟失目標(biāo)，包括：由于形變、亮度變化、快速運(yùn)動(dòng)和復(fù)雜背景導(dǎo)致跟蹤丟失的目標(biāo)以及由于全遮擋導(dǎo)致跟蹤丟失的目標(biāo)，其中：當(dāng)當(dāng)前幀目標(biāo)外觀相關(guān)濾波器響應(yīng)值低于設(shè)定閾值，則啟動(dòng)在線分類器進(jìn)行檢測；當(dāng)最近的連續(xù)5幀目標(biāo)外觀相關(guān)濾波器響應(yīng)值滿足目標(biāo)遮擋判據(jù)時(shí)，則停止LCT跟蹤器跟蹤并換用重新檢測器從后一幀開始進(jìn)行目標(biāo)檢測，當(dāng)未檢測到目標(biāo)時(shí)進(jìn)入下一幀，否則將檢測到的目標(biāo)信息，即目標(biāo)框?qū)?、高和目?biāo)框中心位置再次輸入LCT跟蹤器進(jìn)行跟蹤，最終得到退出遮擋后的跟蹤結(jié)果。

3.根據(jù)權(quán)利要求1所述的方法，其特征是，所述的運(yùn)動(dòng)相關(guān)濾波器是指：當(dāng)手動(dòng)選擇的目標(biāo)框大小為M×N，首先利用循環(huán)移位來增加樣本數(shù)量，得到樣本x_m,n，其中：(m,n)∈{0,1,...,M-1}×{0,1,...,N-1}；通過嶺回歸最小化訓(xùn)練圖像與回歸目標(biāo)之間的均方誤差，得到運(yùn)動(dòng)相關(guān)濾波器w₁∈R^M×N，其中：φ表示映射到核空間；根據(jù)移位量，給予訓(xùn)練圖像高斯標(biāo)簽，當(dāng)移位量越小，則標(biāo)簽值越接近1，否則接近0，λ為正則化參數(shù)。

4.根據(jù)權(quán)利要求3所述的方法，其特征是，所述的循環(huán)移位是指：對于一個(gè)n維列向量樣本x_n,1＝[x₁,x₂,...,x_n]^T，P為對x做循環(huán)移位的置換矩陣，則移位后的樣本為P^lx，故獲取訓(xùn)練分類器的樣本集合{P^lx|l＝0,1,...,n-1}，其中：置換矩陣：將n×1向量x的所有移位組合為循環(huán)矩陣其中：第一行是原列向量x，第二行是將x中的元素向右移動(dòng)一位，其他行以此類推。

5.根據(jù)權(quán)利要求1所述的方法，其特征是，所述的外觀相關(guān)濾波器是指：在目標(biāo)框上提取K個(gè)尺度圖像的HOG特征x_hog(K)，通過嶺回歸最小化訓(xùn)練圖像與回歸目標(biāo)之間的均方誤差，得到外觀相關(guān)濾波器w₂∈R^M×N，其中：y(K)為二值標(biāo)簽，目標(biāo)框恰好包圍目標(biāo)的標(biāo)簽為1，其余為0。

6.根據(jù)權(quán)利要求1所述的方法，其特征是，所述的目標(biāo)的尺度進(jìn)行估計(jì)是指：在新的一幀得到目標(biāo)位置之后，使用外觀相關(guān)濾波器w₂對目標(biāo)的尺度進(jìn)行估計(jì)，即先將圖像塊分成K個(gè)尺度：每個(gè)尺度的圖像塊大小為sM×sN(s∈S)；隨后在每個(gè)尺度的圖像塊上提取HOG特征構(gòu)建尺度金字塔，在對每一層進(jìn)行外觀相關(guān)濾波之后獲得K個(gè)外觀濾波響應(yīng)圖，選擇擁有最大值的結(jié)果作為目標(biāo)的最終尺度，即

7.根據(jù)權(quán)利要求1所述的方法，其特征是，所述的運(yùn)動(dòng)相關(guān)濾波器w₁和目標(biāo)外觀特征采用以下方式進(jìn)行更新：其中：α為更新率，t與t-1分別為當(dāng)前幀與上一幀，分別為a在當(dāng)前幀以及上一幀的離散傅里葉變換。