[發(fā)明專利]自適應(yīng)余弦窗抗遮擋多特征融合的目標(biāo)跟蹤方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010022515.7
• 申請(qǐng)日: 2020-01-09
• 公開(kāi)（公告）號(hào): CN111260686A
• 公開(kāi)（公告）日: 2020-06-09
• 發(fā)明（設(shè)計(jì)）人: 王海軍
• 申請(qǐng)（專利權(quán)）人: 濱州學(xué)院
• 主分類號(hào): G06T7/246
• 分類號(hào): G06T7/246;G06K9/62;G06T5/40;G06T7/90
• 代理公司: 濟(jì)南圣達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 37221
• 代理人: 董雪

本發(fā)明公開(kāi)了一種自適應(yīng)余弦窗抗遮擋多特征融合的目標(biāo)跟蹤方法及系統(tǒng)，利用在第t幀目標(biāo)圖像中計(jì)算得到的顏色直方圖和傳統(tǒng)的固定余弦窗相結(jié)合，得到自適應(yīng)余弦窗，在第t幀提取目標(biāo)圖像塊的Hog特征并利用自適應(yīng)余弦窗計(jì)算相關(guān)濾波響應(yīng)值；結(jié)合第t?1幀和t幀計(jì)算視頻圖像的光流特征，將相關(guān)濾波響應(yīng)，顏色響應(yīng)和光流特征以固定權(quán)值進(jìn)行求和，得到最終的響應(yīng)，響應(yīng)值最大的位置即為跟蹤目標(biāo)的初始位置。本發(fā)明采用基于Hog特征得到的PSR值對(duì)得到的跟蹤目標(biāo)位置進(jìn)行魯棒性檢查，當(dāng)跟蹤目標(biāo)不魯棒時(shí)，引入反向多任務(wù)稀疏表示方法選取多個(gè)候選樣本，對(duì)每個(gè)候選樣本重新進(jìn)行相關(guān)濾波檢測(cè)獲取響應(yīng)圖，在所有響應(yīng)圖中最大值最大的粒子即為跟蹤目標(biāo)。

技術(shù)領(lǐng)域

本發(fā)明屬于計(jì)算機(jī)視覺(jué)技術(shù)領(lǐng)域，尤其涉及一種自適應(yīng)余弦窗抗遮擋多特征融合的目標(biāo)跟蹤方法及系統(tǒng)。

背景技術(shù)

本部分的陳述僅僅是提供了與本發(fā)明相關(guān)的背景技術(shù)信息，不必然構(gòu)成在先技術(shù)。

目標(biāo)跟蹤屬于計(jì)算機(jī)視覺(jué)領(lǐng)域一項(xiàng)重要的研究課題，在智能視頻監(jiān)控、人機(jī)交互、視覺(jué)導(dǎo)航、無(wú)人機(jī)駕駛、虛擬現(xiàn)實(shí)等領(lǐng)域得到了廣泛的應(yīng)用。目標(biāo)跟蹤的核心在于手動(dòng)確定視頻初始幀中目標(biāo)的位置，在后續(xù)視頻幀中估計(jì)運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)狀態(tài)，包括速度、方向以及所占區(qū)域等信息，從而為更高級(jí)的任務(wù)提供技術(shù)支持。盡管國(guó)內(nèi)外學(xué)者對(duì)目標(biāo)跟蹤技術(shù)進(jìn)行了大量深入的研究，但是由于跟蹤視頻中存在嚴(yán)重遮擋、光照變化、尺度變化、背景雜亂、運(yùn)動(dòng)模糊等嚴(yán)重影響跟蹤性能的因素，使得設(shè)計(jì)一種魯棒的運(yùn)動(dòng)目標(biāo)跟蹤方法仍然是一項(xiàng)充滿挑戰(zhàn)的任務(wù)。

根據(jù)跟蹤目標(biāo)的外觀模型，目標(biāo)跟蹤方法可以分為生成式模型和判別式模型。生成式模型通過(guò)建立跟蹤目標(biāo)的表觀模型，尋找與先驗(yàn)?zāi)Ｐ妥钇ヅ洹⒅貥?gòu)誤差最小的樣本作為下一幀中跟蹤目標(biāo)的位置。判別式模型將目標(biāo)跟蹤看成是一個(gè)分類問(wèn)題，通過(guò)在線訓(xùn)練分類器，將跟蹤目標(biāo)與背景分離，從而確定目標(biāo)的位置。2010年相關(guān)濾波被引入目標(biāo)跟蹤領(lǐng)域，使得判別式模型無(wú)論在跟蹤速度還是跟蹤魯棒性方面都比生成式模型取得了較好的跟蹤性能。CSK算法引入循環(huán)矩陣對(duì)樣本進(jìn)行密集采樣，并采用傅立葉變換方法在頻域進(jìn)行相關(guān)濾波器的訓(xùn)練、檢測(cè)與更新，有效提高了跟蹤速度。但是CSK方法只能采用單通道灰度特征，在跟蹤目標(biāo)的表征上不夠魯棒。此外，為了解決跟蹤目標(biāo)的尺度變化，現(xiàn)有技術(shù)提出采用尺度空間濾波器，形成尺度金字塔來(lái)適應(yīng)跟蹤目標(biāo)的尺度變化。為了解決跟蹤目標(biāo)的遮擋及形變問(wèn)題，現(xiàn)有技術(shù)提出將跟蹤響應(yīng)最大值是否小于固定閾值作為判斷目標(biāo)是否被遮擋及發(fā)生較大形變的依據(jù)。盡管上述算法在部分視頻上取得了不錯(cuò)的跟蹤性能，但是在大部分比較復(fù)雜的跟蹤場(chǎng)景下，比較容易跟丟目標(biāo)，跟蹤效果不夠魯棒。

現(xiàn)有技術(shù)公開(kāi)了一種快速正則化的目標(biāo)跟蹤方法。該方法融合Hog特征和顏色直方圖，在相關(guān)濾波框架下引入空間正則化，對(duì)背景信息進(jìn)行抑制，實(shí)現(xiàn)對(duì)目標(biāo)的快速跟蹤。但是存在的不足之處是只對(duì)背景信息進(jìn)行抑制，沒(méi)有增強(qiáng)目標(biāo)區(qū)域的信息，沒(méi)有對(duì)跟蹤結(jié)果進(jìn)行可靠性判斷，當(dāng)運(yùn)動(dòng)目標(biāo)發(fā)生嚴(yán)重遮擋和形變時(shí)，容易跟丟目標(biāo)，不能對(duì)目標(biāo)進(jìn)行長(zhǎng)時(shí)間的魯棒跟蹤。

現(xiàn)有技術(shù)公開(kāi)了一種基于CNN和CF的多模板目標(biāo)跟蹤方法，該方法將當(dāng)前幀峰值響應(yīng)值與旁瓣響應(yīng)值的比值作為PSR值，與固定閾值進(jìn)行比較來(lái)判斷跟蹤結(jié)果的可靠性，是否需要重新檢測(cè)。當(dāng)跟蹤結(jié)果存在遮擋時(shí)，重新進(jìn)行跟蹤目標(biāo)的定位檢測(cè)。該方法存在的不足之處是采用固定的閾值，難以適應(yīng)多個(gè)不同場(chǎng)景的視頻，導(dǎo)致部分視頻能夠有效判斷跟蹤結(jié)果的可靠性，部分視頻的判斷結(jié)果不可靠，容易造成跟蹤失敗。

發(fā)明內(nèi)容

本發(fā)明目的是為了解決現(xiàn)有技術(shù)的不足，提出了一種自適應(yīng)余弦窗抗遮擋多特征融合的目標(biāo)跟蹤方法及系統(tǒng)，能夠?qū)崿F(xiàn)在復(fù)雜場(chǎng)景下對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行準(zhǔn)確的跟蹤。

在一些實(shí)施方式中，采用如下技術(shù)方案：

一種自適應(yīng)余弦窗抗遮擋多特征融合的目標(biāo)跟蹤方法，包括：

(1)將當(dāng)前幀中目標(biāo)圖像塊的顏色直方圖與傳統(tǒng)固定余弦窗進(jìn)行求和，得到自適應(yīng)余弦窗；