[發(fā)明專利]一種復(fù)雜場景下尺度自適應(yīng)的目標(biāo)跟蹤方法和系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201811600533.8
• 申請日: 2018-12-26
• 公開（公告）號: CN109993052B
• 公開（公告）日: 2021-04-13
• 發(fā)明（設(shè)計(jì)）人: 王爽;焦彤;凌翔濱;樊彬;雷曉奇;劉國磊;任桃桃
• 申請（專利權(quán)）人: 上海航天控制技術(shù)研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/46;G06K9/62
• 代理公司: 中國航天科技專利中心 11009
• 代理人: 范曉毅

1.一種復(fù)雜場景下尺度自適應(yīng)的目標(biāo)跟蹤方法，其特征在于，包括：

對首幀圖像進(jìn)行目標(biāo)特征檢測，獲取待跟蹤目標(biāo)特征；并對兩種跟蹤方法所對應(yīng)的目標(biāo)模板和分類器參數(shù)矩陣分別進(jìn)行初始化；其中，兩種跟蹤方法，包括：基于核相關(guān)濾波跟蹤法和基于特征檢測跟蹤法；

在基于核相關(guān)濾波跟蹤法的跟蹤過程中，比較多尺度候選區(qū)域的核相關(guān)響應(yīng)值，確定最大響應(yīng)值的跟蹤區(qū)域位置和大小；使用最大響應(yīng)值的跟蹤區(qū)域位置和大小，對初始化后的目標(biāo)模板和分類器參數(shù)矩陣進(jìn)行更新，確定核相關(guān)濾波跟蹤結(jié)果；

在基于特征檢測跟蹤法的過程中，通過最穩(wěn)定極值區(qū)域法檢測得到候選目標(biāo)，將每個(gè)候選目標(biāo)分別與目標(biāo)模板在頻域內(nèi)進(jìn)行相關(guān)；從相關(guān)結(jié)果中篩選得到響應(yīng)值最高的候選目標(biāo)區(qū)域位置和大小，確定特征檢測跟蹤結(jié)果；

對核相關(guān)濾波跟蹤結(jié)果和特征檢測跟蹤結(jié)果進(jìn)行數(shù)據(jù)融合，得到融合結(jié)果，根據(jù)融合結(jié)果，對目標(biāo)形心進(jìn)行跟蹤。

2.根據(jù)權(quán)利要求1所述的復(fù)雜場景下尺度自適應(yīng)的目標(biāo)跟蹤方法，其特征在于，對首幀圖像進(jìn)行目標(biāo)特征檢測，獲取待跟蹤目標(biāo)特征，包括：

確定輸入的視頻的首幀圖像；

對首幀圖像進(jìn)行框選，得到包含待跟蹤目標(biāo)的矩形區(qū)域；

采用最穩(wěn)定極值區(qū)域法對矩形區(qū)域進(jìn)行目標(biāo)檢測，得到若干候選目標(biāo)；

通過最近鄰法標(biāo)記距離矩形區(qū)域的中心最近的候選目標(biāo)，并獲取標(biāo)記的候選目標(biāo)的形心和半徑，將標(biāo)記的候選目標(biāo)的形心和半徑對應(yīng)的區(qū)域確定為待跟蹤目標(biāo)區(qū)域；

對待跟蹤目標(biāo)區(qū)域進(jìn)行灰度特征或梯度方向直方圖特征提取，得到待跟蹤目標(biāo)特征。

3.根據(jù)權(quán)利要求1所述的復(fù)雜場景下尺度自適應(yīng)的目標(biāo)跟蹤方法，其特征在于，對兩種跟蹤方法所對應(yīng)的目標(biāo)模板和分類器參數(shù)矩陣分別進(jìn)行初始化，包括：

根據(jù)首幀檢測的目標(biāo)圖像塊，采用密集采樣的方式，建立循環(huán)樣本矩陣；

通過循環(huán)樣本矩陣進(jìn)行分類器訓(xùn)練，得到分類器模型；

根據(jù)分類器模型，對兩種跟蹤方法所對應(yīng)的目標(biāo)模板和分類器參數(shù)矩陣分別進(jìn)行初始化。

4.根據(jù)權(quán)利要求3所述的復(fù)雜場景下尺度自適應(yīng)的目標(biāo)跟蹤方法，其特征在于，在基于核相關(guān)濾波跟蹤法的跟蹤過程中，比較多尺度候選區(qū)域的核相關(guān)響應(yīng)值，確定最大響應(yīng)值的跟蹤區(qū)域位置和大小；使用最大響應(yīng)值的跟蹤區(qū)域位置和大小，對初始化后的目標(biāo)模板和分類器參數(shù)矩陣進(jìn)行更新，確定核相關(guān)濾波跟蹤結(jié)果，包括：

以上一幀輸出的坐標(biāo)位置為中心，確定當(dāng)前幀的興趣區(qū)域中心，提取與上一幀相同半徑大小的跟蹤框區(qū)域的特征信息；

利用分類器模型進(jìn)行目標(biāo)位置檢測，通過核函數(shù)進(jìn)行映射，得到窗口樣本的分類器響應(yīng)；

對圖像塊進(jìn)行循環(huán)移位，構(gòu)造候選圖像塊；

利用候選圖像塊的循環(huán)結(jié)構(gòu)，計(jì)算出分類器模型對待跟蹤目標(biāo)區(qū)域中的所有位置的響應(yīng)，即得到所有候選圖像塊的分類器響應(yīng)；

根據(jù)各候選圖像塊的分類器響應(yīng)，確定最大響應(yīng)值的跟蹤區(qū)域位置和大小，作為當(dāng)前幀的核相關(guān)濾波跟蹤結(jié)果。

5.根據(jù)權(quán)利要求4所述的復(fù)雜場景下尺度自適應(yīng)的目標(biāo)跟蹤方法，其特征在于，窗口樣本的分類器響應(yīng)f(z)如下：

即f(z)＝(K^z)^Tα

其中，w表示函數(shù)的參數(shù)，z表示待檢測的樣本，f(z)表示待檢測的樣本的分類器響應(yīng)值，α表示分類器參數(shù)，α＝[α₀，α₂，…，α_n-1]^T，x_i表示目標(biāo)樣本矩陣循環(huán)矩陣的第i行，即目標(biāo)樣本圖像進(jìn)行i次循環(huán)移位得到的位移圖，K^z＝C(k^xz)，K^z表示訓(xùn)練樣本x和所有候選圖像塊之間的核矩陣，k^xz表示x和z之間的核相關(guān)。