[發(fā)明專利]一種融合運(yùn)動(dòng)信息檢測(cè)和Radon變換的KCF目標(biāo)跟蹤方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010375269.3
• 申請(qǐng)日: 2020-05-06
• 公開（公告）號(hào): CN111563915B
• 公開（公告）日: 2023-04-14
• 發(fā)明（設(shè)計(jì)）人: 丁勇;汪常建;盧盼成
• 申請(qǐng)（專利權(quán)）人: 南京航空航天大學(xué)
• 主分類號(hào): G06T7/246
• 分類號(hào): G06T7/246;G06T7/215
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公布了一種融合運(yùn)動(dòng)信息檢測(cè)和Radon變換的KCF目標(biāo)跟蹤方法，所述方法對(duì)輸入的當(dāng)前幀圖像分別提取HOG特征和經(jīng)Radon變換提取矩特征；采用光流法和幀間差分法相結(jié)合，預(yù)測(cè)運(yùn)動(dòng)目標(biāo)大致的范圍；輸入HOG特征并訓(xùn)練KCF位置濾波器，預(yù)測(cè)目標(biāo)區(qū)域中心點(diǎn)位置；輸入矩特征并訓(xùn)練KCF尺度濾波器，預(yù)測(cè)目標(biāo)的尺度；結(jié)合目標(biāo)區(qū)域中心點(diǎn)位置和目標(biāo)的尺度，確定出目標(biāo)的準(zhǔn)確位置；對(duì)模型進(jìn)行自適應(yīng)策略更新；重復(fù)上述步驟，直至視頻幀跟蹤結(jié)束，確定出待跟蹤的目標(biāo)。本發(fā)明將光流法、幀間差分法、Radon變換和相關(guān)濾波器相結(jié)合，解決了KCF算法在目標(biāo)發(fā)生遮擋、尺度變化和環(huán)境光照發(fā)生變化時(shí)，實(shí)時(shí)性差、跟蹤精度和成功率下降的問題。

技術(shù)領(lǐng)域

本發(fā)明屬于視覺目標(biāo)跟蹤技術(shù)領(lǐng)域，特別是融合運(yùn)動(dòng)信息檢測(cè)和Radon變換的KCF目標(biāo)跟蹤方法。

技術(shù)背景

目標(biāo)跟蹤作為計(jì)算機(jī)視覺領(lǐng)域重要研究?jī)?nèi)容，在視頻監(jiān)控、智能交通、人機(jī)交互和無人機(jī)協(xié)同合作領(lǐng)域得到廣泛應(yīng)用。國(guó)內(nèi)外學(xué)者對(duì)此進(jìn)行了大量研究，并取得了很大進(jìn)展。但對(duì)于諸如目標(biāo)在發(fā)生尺度變化、遮擋和環(huán)境出現(xiàn)光照變化等復(fù)雜問題時(shí)，如何保證算法的實(shí)時(shí)性、準(zhǔn)確性和魯棒性，依然是視覺目標(biāo)跟蹤研究的難點(diǎn)。

視覺目標(biāo)跟蹤根據(jù)目標(biāo)的外觀模型表達(dá)可分為生成式和判別式兩類算法。生成式跟蹤算法主要通過對(duì)目標(biāo)外觀模型進(jìn)行建模，然后根據(jù)目標(biāo)和圖像之間的最佳匹配度確定目標(biāo)的位置。典型的生成式算法有Mean?Shift算法和粒子濾波算法等。Mean?Shift算法采用核函數(shù)直方圖進(jìn)行建模，通過迭代搜索與目標(biāo)相似度最大的候選區(qū)域?qū)崿F(xiàn)對(duì)目標(biāo)的跟蹤。粒子濾波算法主要基于序貫重要性采樣，通過蒙特卡羅仿真方法實(shí)現(xiàn)遞推貝葉斯濾波預(yù)測(cè)目標(biāo)新時(shí)刻的位置。但該類算法存在部分目標(biāo)描述模型的構(gòu)建困難，環(huán)境中復(fù)雜的背景信息未得到有效利用等問題。判別式算法通過提取有效特征對(duì)分類器進(jìn)行訓(xùn)練，然后將跟蹤劃分為目標(biāo)和背景的二分問題得到目標(biāo)模型估計(jì)從而完成跟蹤。支持向量機(jī)(SupportVector?Machine，SVM)為典型的判別式跟蹤算法，Zhang?Shunli等提出了一種新型的模糊跟蹤框架為訓(xùn)練樣本分配權(quán)重，將跟蹤問題轉(zhuǎn)換為模糊分類問題，訓(xùn)練模糊最小二乘支持向量機(jī)分類器成功提高了跟蹤的魯棒性。自2010年基于判別式跟蹤方法框架下的相關(guān)濾波(Correlation?Filters，CF)算法被用于視覺跟蹤以來，由于具有跟蹤效果優(yōu)異，運(yùn)算速度快的優(yōu)點(diǎn)，成為圖像目標(biāo)跟蹤領(lǐng)域的研究熱點(diǎn)。相關(guān)學(xué)者在相關(guān)濾波算法基礎(chǔ)上采用HOG(Histogram?of?Oriented?Gradients)、SIFT(Scale?Invariant?Feature?Transform)和CN(Color?Name)特征來提高特征的表征能力和算法的迭代速度，跟蹤速度快，在簡(jiǎn)單環(huán)境下跟蹤精度較好，但對(duì)于目標(biāo)出現(xiàn)尺度變化、遮擋和環(huán)境出現(xiàn)光照變化等情況下的復(fù)雜跟蹤問題，由于提取到的目標(biāo)外觀信息不完整等原因，導(dǎo)致跟蹤效果不理想。M?Danelljan等人通過建立尺度金字塔和訓(xùn)練尺度濾波器來實(shí)現(xiàn)尺度自適應(yīng)，但因?yàn)槠浔举|(zhì)上是利用窮盡式搜索策略，增加了尺度估計(jì)環(huán)節(jié)，計(jì)算量增大，故跟蹤速度和性能并不十分理想。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種融合運(yùn)動(dòng)信息檢測(cè)和Radon變換的KCF目標(biāo)跟蹤方法，該方法針對(duì)目標(biāo)發(fā)生尺度變化、遮擋和環(huán)境出現(xiàn)光照變化等復(fù)雜情況，將光流法、幀間差分法、Radon變化和相關(guān)濾波器相融合，在保證實(shí)時(shí)性的前提下能有效提高目標(biāo)跟蹤的實(shí)時(shí)性，精度和成功率。

為實(shí)現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案：

一種融合運(yùn)動(dòng)信息檢測(cè)和Radon變換的KCF目標(biāo)跟蹤方法，包括：

第一步，輸入待處理的第一幀圖像，標(biāo)記待跟蹤的目標(biāo)。

第二步，對(duì)當(dāng)前幀圖像分別提取HOG特征和經(jīng)Radon變換提取k階矩特征。

第三步，采用光流法預(yù)測(cè)出目標(biāo)運(yùn)動(dòng)的大致區(qū)域，采用幀間差分法確定前景區(qū)域，通過這兩種方法的結(jié)合，保證預(yù)測(cè)的目標(biāo)運(yùn)動(dòng)大致范圍的準(zhǔn)確性。

第四步，輸入HOG特征并訓(xùn)練KCF位置濾波器，預(yù)測(cè)目標(biāo)區(qū)域中心點(diǎn)位置；