[發(fā)明專利]一種基于局部特征及尺度池的目標(biāo)跟蹤方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910348414.6
• 申請(qǐng)日: 2019-04-28
• 公開(kāi)（公告）號(hào): CN110097575B
• 公開(kāi)（公告）日: 2022-07-01
• 發(fā)明（設(shè)計(jì)）人: 張文超;彭真明;李美惠;龍鴻峰;彭凌冰;秦飛義;張鵬飛;曹兆洋;孔軒;張?zhí)m丹;程曉彬
• 申請(qǐng)（專利權(quán)）人: 電子科技大學(xué)
• 主分類號(hào): G06T7/246
• 分類號(hào): G06T7/246;G06T7/269;G06V10/80;G06V10/764;G06K9/62
• 代理公司: 成都智言知識(shí)產(chǎn)權(quán)代理有限公司 51282
• 代理人: 徐金瓊

本發(fā)明公開(kāi)了一種基于局部特征及尺度池的目標(biāo)跟蹤方法，屬于灰度圖像目標(biāo)跟蹤技術(shù)領(lǐng)域，解決光照變化、尺度變化與背景干擾等復(fù)雜環(huán)境下目標(biāo)跟蹤算法精確度差的問(wèn)題。本發(fā)明第一幀圖像根據(jù)初始信息獲取目標(biāo)，基于目標(biāo)的兩種特征訓(xùn)練分類器，得到目標(biāo)模型及分類器回歸系數(shù)再初始化，第二幀圖像利用尺度池獲得不同尺度的目標(biāo)，并提取特征一和特征二；基于初始化后的目標(biāo)模型及分類器回歸系數(shù)得到兩種特征的多層核相關(guān)濾波響應(yīng)圖，再線性插值到一致大小后加權(quán)融合得到多層核相關(guān)濾波響應(yīng)圖，進(jìn)而得到目標(biāo)的預(yù)測(cè)位置及預(yù)測(cè)尺度，即完成一次目標(biāo)跟蹤，若跟蹤未結(jié)束，實(shí)現(xiàn)第二幀圖像到第三幀圖像的跟蹤，直到循環(huán)至最后一幀圖像。本發(fā)明用于目標(biāo)跟蹤。

技術(shù)領(lǐng)域

一種基于局部特征及尺度池的目標(biāo)跟蹤方法，用于目標(biāo)跟蹤，屬于灰度圖像目標(biāo)跟蹤技 術(shù)領(lǐng)域。

背景技術(shù)

目標(biāo)跟蹤在計(jì)算機(jī)視覺(jué)領(lǐng)域的研究中有著非常重要的意義和價(jià)值，在很多領(lǐng)域具有廣泛 應(yīng)用，如智能視頻監(jiān)控、醫(yī)療、人機(jī)交互等民用領(lǐng)域，在軍事上，對(duì)敵方運(yùn)動(dòng)目標(biāo)進(jìn)行快速 準(zhǔn)確的搜索和跟蹤等。目標(biāo)跟蹤主要分為生成式模型和判別式模型。生成式模型通過(guò)建立目 標(biāo)數(shù)學(xué)模型，完成候選目標(biāo)和目標(biāo)模型之間的匹配，把最為相似的候選區(qū)域作為預(yù)測(cè)目標(biāo)。 判別式模型由屬于目標(biāo)的正樣本和屬于背景的負(fù)樣本所組成的訓(xùn)練集來(lái)訓(xùn)練分類算法，根據(jù) 得到的分類器計(jì)算目標(biāo)的預(yù)測(cè)位置。

實(shí)際跟蹤環(huán)境復(fù)雜多樣，如光照變化、尺度變化與背景干擾等，從而造成目標(biāo)跟蹤算法 魯棒性低，精確度差的問(wèn)題。現(xiàn)有的一些基于核相關(guān)濾波的改進(jìn)算法在一定程度上解決了目 標(biāo)跟蹤過(guò)程中特征不完善以及目標(biāo)尺度變化的問(wèn)題，但是此類方法在目標(biāo)受到遮擋時(shí)，此時(shí) 目標(biāo)外觀特征與目標(biāo)模型相差較大，無(wú)法準(zhǔn)確完成候選區(qū)域與目標(biāo)的匹配，因此會(huì)造成目標(biāo) 丟失或者跟錯(cuò)目標(biāo)，這類方法中分類器因?yàn)閷W(xué)習(xí)率固定會(huì)學(xué)習(xí)到錯(cuò)誤的目標(biāo)模型，進(jìn)而造成 后續(xù)幀跟蹤不準(zhǔn)確，跟蹤性能下降。

此外現(xiàn)有目標(biāo)跟蹤方法，只使用了原始灰度特征，在背景干擾情況下可能由于灰度特征 相似造成目標(biāo)位置預(yù)測(cè)不準(zhǔn)確，進(jìn)而導(dǎo)致目標(biāo)跟蹤失敗，跟蹤穩(wěn)定性較差。

發(fā)明內(nèi)容

針對(duì)上述研究的問(wèn)題，本發(fā)明的目的在于提供一種基于局部特征及尺度池的目標(biāo)跟蹤方 法，解決光照變化、尺度變化與背景干擾等復(fù)雜環(huán)境下目標(biāo)跟蹤算法魯棒性低，精確度差的 問(wèn)題。

為了達(dá)到上述目的，本發(fā)明采用如下技術(shù)方案：

一種基于局部特征及尺度池的目標(biāo)跟蹤方法，包括如下步驟：

S1：讀取視頻幀序列，獲取初始幀圖像，即第一幀圖像；

S2：根據(jù)初始幀圖像的目標(biāo)尺度信息，計(jì)算尺度大小，并根據(jù)尺度大小和給定的細(xì)胞單 元尺寸分別確定兩種特征對(duì)應(yīng)分類器的回歸標(biāo)簽及二維余弦窗；

S3：獲取當(dāng)前幀圖像作為當(dāng)前幀，根據(jù)尺度大小和給定的目標(biāo)位置選定目標(biāo)區(qū)域圖像， 并對(duì)目標(biāo)區(qū)域圖像進(jìn)行直方圖均衡化；

S4：基于兩種特征的二維余弦窗，從直方圖均衡化后的目標(biāo)區(qū)域圖像中提取特征一和特 征二；

S5：基于回歸標(biāo)簽用特征一或特征二訓(xùn)練分類器，得到特征一和特征二對(duì)應(yīng)的目標(biāo)模型 及分類器回歸系數(shù)，若步驟S3中的當(dāng)前幀圖像為第一幀圖像，初始化特征一和特征二對(duì)應(yīng) 的目標(biāo)模型和分類器回歸系數(shù)，若為最后一幀圖像，不作處理，否則更新特征一和特征二對(duì) 應(yīng)的目標(biāo)模型和分類器回歸系數(shù)；

S6：讀取下一幀圖像作為當(dāng)前幀，步驟S3中的當(dāng)前幀圖像作為上一幀圖像，在當(dāng)前幀 圖像中，根據(jù)上一幀目標(biāo)位置及給定的多個(gè)尺度利用尺度池方法分別獲取多個(gè)不同尺度的搜 索區(qū)域圖像，并對(duì)多個(gè)搜索區(qū)域圖像進(jìn)行直方圖均衡化，得到直方圖均衡化的圖像；

S7：分別對(duì)直方圖均衡化圖像進(jìn)行計(jì)算，再根據(jù)計(jì)算得到的結(jié)果，基于特征一和特征二 對(duì)應(yīng)的目標(biāo)模型及分類器回歸系數(shù)得到兩種特征對(duì)應(yīng)的多層核相關(guān)濾波響應(yīng)圖；