[發明專利]對ECO特征提取性能進行優化的目標跟蹤方法及裝置

有效

• 申請號: 202010410577.5
• 申請日: 2020-05-15
• 公開（公告）號: CN111598926B
• 公開（公告）日: 2023-10-13
• 發明（設計）人: 鹿璇;李磊;杜飛飛;周嚴
• 申請（專利權）人: 武漢卓目科技有限公司
• 主分類號: G06T7/246
• 分類號: G06T7/246
• 代理公司: 北京匯澤知識產權代理有限公司 11228
• 代理人: 秦曼妮

本發明提供了一種對ECO特征提取性能進行優化的目標跟蹤方法及裝置，該方法包括以下步驟：讀取視頻或圖像序列的第一幀圖像，確定跟蹤目標；將初始幀中跟蹤目標所在候選區域縮放到特定大小，利用并行方式計算傅里葉變換來提取特征；針對特征制作label標簽，修改高斯分布為多個極值；訓練ECO的相關濾波器；讀取下一幀圖像，獲取當前幀圖像的目標位置及其置信度概率；將得到的目標作為樣本，使用樣本融合更新策略，更新ECO算法的樣本集；利用更新的樣本集提取特征，同時制作label標簽訓練ECO，更新相關濾波器；循環執行上述步驟。本發明能夠提升ECO目標跟蹤算法的整體運行速度，實現在嵌入式平臺上能夠并行加速計算。

技術領域

本發明涉及計算機視覺應用目標跟蹤領域，尤其涉及一種對ECO特征提取性能進行優化的目標跟蹤方法及裝置。

背景技術

視覺目標跟蹤是計算機視覺中一個重要研究方向，在軍事無人飛行器、精確制導以及空中預警和民用視頻監控，人機交互和無人駕駛等眾多領域有著極其廣泛的應用，然而目標跟蹤面臨著目標尺度變換、重度遮擋、快速移動、超出視野和光照變化等眾多挑戰，因此提出一種可靠的實時視覺目標跟蹤方法具有很重要的現實意義。

以往的相關濾波視覺目標跟蹤算法主要是使用給出的樣本去訓練一個判別分類器，判斷跟蹤到的是目標還是周圍的背景信息。主要使用輪轉矩陣對樣本進行采集，使用快速傅里葉變換對算法進行加速計算，而ECO目標跟蹤算法在此基礎上著重于解決模型過大的問題，通過減少參數，簡化訓練集，減少模型更新頻率來加快跟蹤速度，對抗模型漂移。對于目標輕度遮擋、姿態改變以及光照變化具有很好的跟蹤效果，然而算法速度仍然有所限制，無法在嵌入式平臺上達到實時跟蹤的目的。

發明內容

為解決現有技術存在的上述問題，本發明提供一種對ECO特征提取性能進行優化的目標跟蹤方法及裝置。

本發明是這樣實現的：

一方面，本發明提供一種對ECO特征提取性能進行優化的目標跟蹤方法，包括以下步驟：

S1、讀取視頻或圖像序列的第一幀圖像，確定跟蹤目標；

S2、將初始幀中跟蹤目標所在候選區域縮放到特定大小，利用并行方式計算傅里葉變換來提取特征；

S3、針對特征制作label標簽，修改高斯分布為多個極值；

S4、通過提取的特征和label標簽訓練ECO的相關濾波器；

S5、讀取下一幀圖像，利用訓練好的相關濾波器卷積圖像候選區域對應的特征，獲取圖像候選區域的置信度圖，置信度圖概率最大位置對應當前幀圖像的目標位置及其置信度概率；

S6、將得到的目標作為樣本，使用樣本融合更新策略，更新ECO算法的樣本集；

S7、利用更新的樣本集采用步驟S2的方法提取特征，同時制作label標簽訓練ECO，更新相關濾波器；

S8、循環執行步驟S5~S7，直至當前視頻或圖像序列處理完。

進一步地，所述步驟S2具體包括：

先對跟蹤目標所在候選區域z提取多尺度特征x，包括FHOG特征以及顏色CN特征，將提取的特征進行PCA降維，然后通過傅里葉變換由時域轉為頻域，傅里葉轉化公式如下：

其中為降維后的離散特征，N、M對應二維離散特征的行數和列數。

進一步地，所述步驟S2中對跟蹤目標所在候選區域提取FHOG特征具體包括：

（1）將輸入的RGB三通道圖像轉化為單通道圖像；

（2）采用gamma校正法對輸入圖像進行顏色空間的標準化，校正公式為：