[發明專利]一種改進KCF的紅外目標跟蹤方法

在審

• 申請號: 201911356233.4
• 申請日: 2019-12-25
• 公開（公告）號: CN111223130A
• 公開（公告）日: 2020-06-02
• 發明（設計）人: 許文淵;祝露峰;任卓恒;何韻
• 申請（專利權）人: 北京自行者科技有限公司
• 主分類號: G06T7/277
• 分類號: G06T7/277;G06K9/62
• 代理公司: 北京挺立專利事務所(普通合伙) 11265
• 代理人: 田黎絨

本發明涉及圖像處理、穩定追蹤技術領域，具體公開了一種改進KCF的紅外目標跟蹤方法，包括如下步驟，包括如下步驟，步驟1，首先將圖像數據傳入檢測系統，然后進行初始化，選定初始跟蹤框，步驟2，對目標區域進行劃分，分成若干個block，每個block分成若干個cell；步驟3，對cell進行梯度強度和梯度方向提取，得到特征描述符；步驟4，對得到的特征描述符進行相關濾波的訓練，得到分類器，再進行目標跟蹤、匹配。本發明能夠在光線暗淡條件下進行有效輪廓提取，有效抵抗噪聲情況下的跟蹤，能夠提高一定的抗干擾能力。

技術領域

本發明涉及圖像處理、穩定追蹤技術領域。

背景技術

通常，對象跟蹤器由四個模塊組成：對象描述，觀察模型，運動模型和模型更新方案。最近，代替直觀的整體描述，已經提出局部描述方案以使對象描述更加靈活和健壯。在對象描述中也使用各種特征，例如顏色命名，顏色直方圖和定向梯度直方圖(HOG)。有兩種觀察模型，即生成模型和判別模型，后者被證明更有效，因為明確考慮了目標和背景的差異。提出了許多運動模型來覆蓋目標的復雜運動，如隱式運動模型，粒子濾波，密集采樣，馬爾可夫鏈蒙特卡羅和跟蹤和檢測的結合。雖然早期跟蹤器在跟蹤期間不更新其模型，但現代跟蹤器通常采用適當的方式更新方案，從簡單的線性插值到使用自舉的迭代學習。

在更復雜的跟蹤器中，最近提出的基于相關濾波器的跟蹤器具有極大的簡單性和優越的速度，已經獲得了吸引人的性能。那些跟蹤器訓練一個判別過濾器，其中卷積輸出可以指示候選者和目標之間的相似性。因為元素操作在傅立葉域中，等于時域中的卷積運算(跟蹤中的空間域)，它們非常有效地評估循環移位的候選者。但是，濾波器輸入是一個固定大小的邊界框，因此它們不具備對目標尺度和寬高比變化的適應性。盡管已經提出了尺度自適應變體，但由于預定義的采樣方式，它們不夠靈活。此外，目前為止，還沒有提出相關濾波器變體來處理方面比率變化。

在對象檢測區域中，具有最高性能的最近檢測系統都采用檢測提議生成器，用于從輸入圖像中挑選出可能包含對象的候選區域。檢測建議不僅可以避免在多個窗口上進行分類，還可以通過減少誤報來提高檢測質量。

發明內容

本發明的目的在于提供一種改進KCF的紅外目標跟蹤方法。

為了達到上述目的，本發明的基礎方案提供一種改進KCF的紅外目標跟蹤方法，包括如下步驟，

步驟1，首先將圖像數據傳入檢測系統，然后進行初始化，選定初始跟蹤框，

步驟2，對目標區域進行劃分，分成若干個block，每個block分成若干個cell；

步驟3，對cell進行梯度強度和梯度方向提取，得到特征描述符；

步驟4，對得到的特征描述符進行相關濾波的訓練，得到分類器，再進行目標跟蹤、匹配，目標跟蹤時，相似度大于0.75即可截止。

進一步，步驟3中，圖像的相位計算用如下公式進行計算：

其中式中，PC(x,y)為相位一致的大小；(x,y)表示圖像中該點的坐標；W_o(x,y)為頻率傳播的權重因子；A_no(x,y)是小波尺度n和方向o處(x,y)處的振幅；ΔΦ_no(x,y)是較為敏感的相位偏差；T是一個噪聲閾值，是一個小常數以避免被零除。表示當其值為正時，所包含的量等于自身，否則為零。

進一步，步驟3中，圖像梯度計算如下公式：

Φ＝arctan(b,a) (4)

其中Φ是相位一致性的方向，o_no(θ)是小波變換卷積計算的結果。