[發(fā)明專利]基于融合特征和自適應更新策略的相關濾波跟蹤算法

有效

• 申請?zhí)枺?/td>: 201811542470.5
• 申請日: 2018-12-17
• 公開（公告）號: CN109754424B
• 公開（公告）日: 2022-11-04
• 發(fā)明（設計）人: 李映;薛希哲;白宗文
• 申請（專利權）人: 西北工業(yè)大學
• 主分類號: G06T7/73
• 分類號: G06T7/73;G06T5/00
• 代理公司: 西安凱多思知識產權代理事務所(普通合伙) 61290
• 代理人: 劉新瓊

本發(fā)明涉及一種基于融合特征和自適應更新策略的相關濾波跟蹤算法，采用了基于相關濾波的跟蹤方法，并通過使用分通道融合特征構建魯棒的目標模型來預測目標的中心位置。針對目標被嚴重遮擋的問題，本發(fā)明引入自適應的模型更新機制來解決該問題：首先根據(jù)置信度閾值判斷當前響應圖的可靠程度，可靠程度越高，圖像中目標被遮擋的可能性越小。在此基礎上構造自適應更新函數(shù)，按照此函數(shù)對跟蹤模型進行更新，保證目標被嚴重遮擋時，以非常低的學習率更新模型，盡可能少的引入噪聲；而當目標外觀清晰，沒有遮擋形變等干擾因素存在時，則以非常高的學習率更新模型，保證模型能捕獲到最新的目標特征。得益于以上措施，本發(fā)明可以在不同的具有挑戰(zhàn)性的場景下取得非常魯棒的跟蹤結果。

技術領域

本發(fā)明涉及一種目標跟蹤方法，屬計算機視覺領域。

背景技術

目前，航拍視頻跟蹤技術已經(jīng)在軍事領域和民事領域得到廣泛的應用。相對于固定平臺或者手持設備拍攝的視頻，航拍視頻具有自身特有的性質。首先，攝像機隨無人機一同做高速運動，航拍視頻序列圖像間存在平移、旋轉等變換，且視頻中場景復雜多變，目標極易受到遮擋、噪聲等干擾；另外，由于無人機有時在幾千米甚至上萬米的高空飛行，運動目標在圖像中占的比例很小，這些都對航拍視頻處理帶來了巨大的挑戰(zhàn)。近年來，基于相關濾波的跟蹤方法大量涌現(xiàn)，并展現(xiàn)了良好的跟蹤性能，尤其是該類方法所具有的實時性，可以在一定程度上滿足航拍視頻跟蹤問題的要求。但是，當視頻中的目標被嚴重遮擋時，基于相關濾波的現(xiàn)有方法會產生漂移，容易導致跟蹤失敗，因此無法對航拍視頻進行長時跟蹤。

發(fā)明內容

要解決的技術問題

針對航拍視頻中由于運動目標被嚴重遮擋而造成外觀模型漂移，從而易導致跟蹤失敗的問題，設計一種魯棒、高效的目標跟蹤方法。

技術方案

一種基于融合特征和自適應更新策略的相關濾波跟蹤算法，其特征在于步驟如下：

步驟1：讀取視頻中第一幀圖像數(shù)據(jù)以及目標所在的初始位置信息[x₁,y₁,w,h]，其中x₁,y₁表示第一幀目標中心P₁的橫坐標和縱坐標，w,h表示目標的寬和高；

步驟2：根據(jù)目標初始位置中心點x₁,y₁確定一個目標區(qū)域R，R的大小為M×N，其中M＝3×w,N＝3×h；在R的區(qū)域內提取CN特征，維度為11維；再將原圖從原有顏色空間轉化到HSV顏色空間，在區(qū)域R的三個顏色通道內分別提取27維方向梯度直方圖特征；最后把所得CN特征和三個顏色通道上分別提取到的3個梯度直方圖特征進行連接，構成92維的融合特征f₁；

步驟3：讀取第k幀圖像，k≥2且起始值為2，在第t幀圖像中以(x_t-1,y_t-1)為中心提取S個不同尺度的圖像子塊，S設定為33，每個子塊的大小為[M,N]×s，變量s為圖像子塊的尺度因子，s∈[0.7,1.4]，然后經(jīng)過尺度縮放到[M,N]的大?。?/p>

步驟4：按照步驟2的方法分別提取每個子塊的融合特征f_tⁱ，其中i＝1,2,…,S，然后合并將S個融合特征矩陣連接之后成為一個大小為S×M×N的特征圖，這里將其命名為尺度特征圖，記為f_t，再根據(jù)f_t訓練相關濾波器模型w_k，在訓練過程中，對于第t幀圖像，要使w_k滿足以下約束關系：