[發明專利]基于判別式尺度空間跟蹤算法的相關濾波自適應方法

在審

• 申請號: 202010161972.4
• 申請日: 2020-03-10
• 公開（公告）號: CN111292358A
• 公開（公告）日: 2020-06-16
• 發明（設計）人: 陳志華;馬龍
• 申請（專利權）人: 南京理工大學
• 主分類號: G06T7/246
• 分類號: G06T7/246
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 岑丹

本發明公開了一種基于判別式尺度空間跟蹤算法的相關濾波自適應方法，包括確定初始目標位置以及初始目標尺度；對通過最小化均方誤差和對位置濾波器和尺度濾波器系數完成初始化；以目標上一幀位置為中心，求解最大響應值作為當前目標位置，并對相鄰兩幀目標位置差進行更新；以目標新位置為中心，提取不同尺度下的樣本，求解最大響應值作為當前目標尺度；根據學習速率對位置濾波器和尺度濾波器進行迭代更新，得到目標的跟蹤圖像集。本發明有效提高了原跟蹤算法的精確度和成功率，能夠有效實時跟蹤大多數圖像序列中的目標。

技術領域

本發明屬于目標圖像跟蹤技術，具體為一種基于判別式尺度空間跟蹤算法的相關濾波自適應方法。

背景技術

計算機視覺是近十年里炙手可熱的新興學科，目標跟蹤作為其研究的基本問題,在自動駕駛、無人機、人機交互、安防監控等方面中有著巨大的學術價值和廣泛的應用前景。盡管目標跟蹤相關技術每年都在革新,相關算法在性能優化方面依然存在需求，現階段研究人員仍然面臨著許多挑戰,如光照變化、尺度變化、部分遮擋、快速運動等。近年來，由于判別類方法在模型的建立時能夠將背景信息與目標信息進行區分，具有更高的魯棒性，目前已經成為目標跟蹤的主流，包括了相關濾波、深度學習等方法。

近年來判別類方法逐漸成為目標跟蹤的主流，主要包括相關濾波方法、深度學習方法等。判別式尺度空間目標跟蹤算法(Discriminant Scale Space Target trackingalgorithm，DSST)是相關濾波算法中的代表算法之一，基于MOSSE做了改進和拓展，實現了快速且準確的目標尺度評估，算法的總體效果表現十分不俗，然而在面對跟蹤難度較大的目標時仍稍顯乏力，算法性能有待進一步提升。

發明內容

本發明的目的在于提出了一種基于判別式尺度空間跟蹤算法的相關濾波自適應方法，以解決原算法尺度濾波器中的學習因子采用定值、無法較好適應目標跟蹤對象尺度與位置變化的問題。

實現本發明目的的技術解決方案為：一種基于判別式尺度空間跟蹤算法的相關濾波自適應方法，具體步驟為：

步驟1，讀取首幀圖像，獲取初始目標位置以及初始目標尺度；

步驟2，對首幀圖像進行HOG特征提取，得到具有d維特征描述的子圖像特征和其對應的濾波器高斯輸出，通過最小化均方誤差和對相關濾波器系數完成初始化，所述相關濾波器包括位置濾波器和尺度濾波器；

步驟3，讀取第t幀圖像，以上一幀圖像中目標位置為中心，采集一個尺寸為目標2倍大小的樣本，求解位置濾波器最大響應值作為當前目標位置；

步驟4，以當前目標位置為中心，提不同尺度下的樣本，求解尺度濾波器最大響應值作為當前目標尺度，并對相鄰兩幀目標位置差進行更新；

步驟5，分別提取位置濾波器訓練樣本和尺度濾波器訓練樣本，更新該幀下的高斯輸出和學習速率，完成位置濾波器和尺度濾波器的更新；

步驟6，循環步驟3-5，當沒有下一幀圖像可輸入時得到目標的跟蹤圖像集。

優選地，步驟1中將首幀圖像中目標的位置和尺度作為初始目標位置和初始目標尺度。

優選地，步驟2對相關濾波器系數完成初始化的具體方法為：

步驟2.1，對首幀圖像進行HOG特征提取，得到具有d維特征描述的子圖像特征f₁,f₂,...,f_d，和其對應的濾波器高斯輸出g₁,g₂,...,g_d，對子圖像特征和濾波器高斯輸出分別進行傅里葉變換得到F¹,F²,...,F^d和G₁,G₂,...,G_d；