[發明專利]一種融合運動信息檢測和Radon變換的KCF目標跟蹤方法

有效

• 申請號: 202010375269.3
• 申請日: 2020-05-06
• 公開（公告）號: CN111563915B
• 公開（公告）日: 2023-04-14
• 發明（設計）人: 丁勇;汪常建;盧盼成
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/215
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種融合運動信息檢測和Radon變換的KCF目標跟蹤方法，其特征在于，包括以下步驟：

第一步，輸入待處理的第一幀圖像，標記待跟蹤的目標；

第二步，對當前幀圖像分別提取HOG特征和經Radon變換提取k階矩特征；

第三步，采用光流法預測出目標運動的大致區域，采用幀間差分法確定前景區域，通過這兩種方法的結合，保證預測的目標運動大致范圍的準確性；

第四步，輸入HOG特征并訓練KCF位置濾波器，預測目標區域中心點位置；

第五步，輸入矩特征并訓練KCF尺度濾波器，預測目標的尺度；

第六步，結合預測的目標區域中心點位置和目標的尺度，確定出目標的準確位置；

第七步，采用改進的模型更新策略進行模型更新；

第八步，判斷是否為最后一幀，是則確定出待跟蹤的目標，跟蹤結束；否則視頻幀數加一并返回第二步。

2.如權利要求1所述的一種融合運動信息檢測和Radon變換的KCF目標跟蹤方法，其特征在于，所述第二步中對當前幀圖像經Radon變換提取k階矩特征，具體的k階矩特征η_k(θ)表達式為：

式中，μ₀為初始矩，μ_k(θ)由下式計算：

其中，r為幅值，表示坐標原點到目標的距離，二維圖像經Radon變換得到R_θ(r)滿足：

R_θ(r)＝∫∫f(x，y)δ(r-x?cosθ-y?sinθ)dxdy?(2)

這里，f(x，y)為二維圖像點(x，y)的強度，δ為dirac-delta函數，θ∈[0，π)為幅角；

滿足：。

3.如權利要求1所述的一種融合運動信息檢測和Radon變換的KCF目標跟蹤方法，其特征在于，所述第三步中采用光流法預測出目標運動的大致區域，采用幀間差分法確定前景區域，具體步驟為：

(3.1)根據圖像上點(x，y)的光流迭代公式(3)求出光流(u，v，x，y)，預測出前一幀圖像中目標框的中心在下一幀的位置，即可預測出目標運動的大致區域；

式中，u^(k+1)和v^(k+1)分別是點(x，y)在水平和垂直方向上的運動分量，和為局部平均，為t時點(x，y)處的灰度值I(x，y，t)相對于x，y，t的偏導，λ為權重系數；

(3.2)設相鄰兩幀圖像的灰度函數差分為D_k(x，y)＝|f_k(x，y)-f_k-1(x，y)|，這里，f_k(x，y)表示第k幀圖像的灰度函數，f_k-1(x，y)為第k-1幀圖像的灰度函數；定義R_k(x，y)具體表達式為：

式中，T₀為給定的閾值；

R_k(x，y)為二值函數，當R_k(x，y)取0時，表示取0的區域為背景區域；當R_k(x，y)取1時，表示取1的區域可近似認為前景區域。

4.如權利要求1所述的一種融合運動信息檢測和Radon變換的KCF目標跟蹤方法，其特征在于，所述第五步中輸入矩特征并訓練KCF尺度濾波器，預測目標的尺度，具體步驟為：

(4.1)將提取到的k階矩特征構成矩特征向量訓練KCF濾波器；

(4.2)利用DSST尺度估計的尺度金字塔方法建立尺度池；

(4.3)對由位置濾波器預測出來的目標，通過尺度池獲得不同尺度的目標窗口，經Radon變換后提取其檢測特征樣本，計算濾波器的相應輸出，其最大響應值就是尺度估計的結果。

5.如權利要求1所述的一種融合運動信息檢測和Radon變換的KCF目標跟蹤方法，其特征在于，所述第七步中采用改進的模型更新策略進行模型更新，具體的模型更新公式為：

x_new＝(1-μ(F))x_old+μ(F)x′?(5)

式中，x_old與x_new分別為前一幀和當前幀的訓練基礎樣本，x′為前一幀圖像中輸出值最高的檢測樣本，μ(F)為自適應學習率，滿足：

這里，定義M＝Ef，表示濾波器掃描一幀圖像得出的輸出值f的數學期望，F為一幀圖像的輸出值f的峰值，μ₀為調節參數。