[發(fā)明專利]一種基于相關(guān)濾波的快速區(qū)域搜索的目標(biāo)跟蹤方法

在審

• 申請?zhí)枺?/td>: 202010891350.7
• 申請日: 2020-08-30
• 公開（公告）號: CN112037272A
• 公開（公告）日: 2020-12-04
• 發(fā)明（設(shè)計）人: 管鳳旭;叢浩東;杜雪;張旭;王梓琦;胡秀武
• 申請（專利權(quán)）人: 哈爾濱工程大學(xué)
• 主分類號: G06T7/33
• 分類號: G06T7/33;G06T7/66
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明提供一種基于相關(guān)濾波的快速區(qū)域搜索的目標(biāo)跟蹤方法，通過對跟蹤過程中前一幀的目標(biāo)位置及大小進(jìn)行確定，以前一幀確定的目標(biāo)中心位置作為中心點(diǎn)，并以目標(biāo)高度和寬度按照一定公式求取下一幀的目標(biāo)搜索區(qū)域。通過相鄰幀目標(biāo)在圖像中移動的距離，求取當(dāng)前狀態(tài)下目標(biāo)的移動速度及其加速度，得到模型更新率與速度的關(guān)系式，從而依據(jù)加速度對目標(biāo)運(yùn)動的預(yù)測作用進(jìn)行更新率調(diào)整。本發(fā)明設(shè)計改進(jìn)的確定目標(biāo)搜索區(qū)域的方法，使得搜索區(qū)域均勻分布于目標(biāo)周圍，縮小了搜索區(qū)域，加快目標(biāo)跟蹤速度；通過設(shè)計的自適應(yīng)目標(biāo)速度與加速度的模型更新方式，使得濾波器模型能夠更好的表示目標(biāo)，提高了跟蹤精度。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于相關(guān)濾波的快速區(qū)域搜索的目標(biāo)跟蹤方法，屬于目標(biāo)檢測跟蹤領(lǐng)域，適用于無人機(jī)追蹤、視頻監(jiān)控等目標(biāo)跟蹤方面的對不同運(yùn)動速度目標(biāo)跟蹤的問題。

背景技術(shù)

目標(biāo)跟蹤技術(shù)是近些年才發(fā)展并投入應(yīng)用的一項(xiàng)技術(shù)，也是當(dāng)前一個重要的課題和研究熱點(diǎn)，目標(biāo)跟蹤通過在連續(xù)的視頻圖像序列中估計跟蹤目標(biāo)的位置、形狀所占區(qū)域，確定目標(biāo)的運(yùn)動速度、方向及軌跡等運(yùn)動信息，實(shí)現(xiàn)對運(yùn)動目標(biāo)行為的分析和理解，以便完成更高級的任務(wù)，像導(dǎo)彈制導(dǎo)、軍用無人機(jī)偵察、道路交通監(jiān)控、智能監(jiān)控等技術(shù)都離不開目標(biāo)跟蹤，并且目標(biāo)跟蹤對跟蹤的實(shí)時性要求越來越高。

基于相關(guān)濾波跟蹤思想的目標(biāo)跟蹤算法，由于使用的特征復(fù)雜，以及在一個跟蹤循環(huán)內(nèi)要進(jìn)行搜索、匹配、更新模型等多個過程，在跟蹤精度提高的情形下，是以犧牲一定跟蹤速度為前提，所以設(shè)計一個能夠快速準(zhǔn)確反映目標(biāo)狀態(tài)的濾波器模型是設(shè)計方法的關(guān)鍵所在。李大湘在文章《改進(jìn)的SAMF目標(biāo)跟蹤算法》中提到利用圖像分塊的方法來改善跟蹤效果，一般搜索目標(biāo)是在一定搜索的區(qū)域內(nèi)(這個區(qū)域一般大于目標(biāo)尺寸，一般為2～3倍關(guān)系)依像素點(diǎn)密集搜索，該方法對搜索區(qū)域進(jìn)行分塊搜索，當(dāng)分塊數(shù)量越多時，跟蹤精度越高，同樣受到分塊時運(yùn)算成本時間也會越高，這在一定程度上降低了目標(biāo)跟蹤的速度。文獻(xiàn)《自適應(yīng)尺度的快速相關(guān)濾波跟蹤算法》引入對數(shù)極坐標(biāo)變換，把目標(biāo)的尺度變化轉(zhuǎn)化為位移信號，并對對目標(biāo)模板變換前后分別提取HOG特征，在相關(guān)濾波框架下將跟蹤目標(biāo)的位移與尺度因子融合得到目標(biāo)跟蹤框，該方法以犧牲部分精度的條件將跟蹤速度提升兩倍以上，但是目標(biāo)一旦出現(xiàn)旋轉(zhuǎn)、嚴(yán)重遮擋和較大形變時，該算法無法達(dá)到預(yù)期效果。2012年Henriques等人發(fā)表的文章《High-Speed Tracking with Kernelized CorrelationFilters》中提到，采用核函數(shù)的思想，對高維復(fù)雜的目標(biāo)進(jìn)行降維，保留特征的關(guān)鍵信息，以減少算法的計算量，提升算法的跟蹤速度，但是該方法由于只保留了特征的關(guān)鍵信息，所以對目標(biāo)的跟蹤效果不理想。文獻(xiàn)《Interacting Acceleration Compensation AlgorithmFor Tracking Maneuvering Targets》對機(jī)動提出使用兩個并行降階解耦的濾波器來實(shí)現(xiàn)目標(biāo)跟蹤，然而由于該方法的加速度不是基于實(shí)際目標(biāo)模型計算的，因而對高機(jī)動目標(biāo)的跟蹤性能并不理想，并且濾波器的增益不會因?yàn)槟繕?biāo)運(yùn)動狀態(tài)變化而立即發(fā)生變化，也使得該時刻的跟蹤誤差增大。在文章《一種基于加速度預(yù)估計的機(jī)動目標(biāo)跟蹤算法》中，宋振宇提出了一種加速度預(yù)估計模型，首先要通過位置量測值對加速度進(jìn)行預(yù)估計，然后用卡爾曼濾波算法進(jìn)行跟蹤濾波，該方法中對位置和速度的修正存在一定延遲，存在一定的跟蹤誤差。

目前，對于目標(biāo)跟蹤方法中速度的改進(jìn)大多是通過對目標(biāo)特征進(jìn)行處理或者是多區(qū)域并行搜索來提升目標(biāo)跟蹤精度；而在對目標(biāo)模型的建立方面則大多數(shù)通過每一幀單獨(dú)建立或者按照固定更新速率把目標(biāo)特征加入到模型中去，從而得到準(zhǔn)確的目標(biāo)模型。因此，本發(fā)明在提升目標(biāo)跟蹤速度的過程中通過縮減搜索目標(biāo)時的區(qū)域，去除無關(guān)的背景區(qū)域部分，從而減少運(yùn)算量，提升目標(biāo)跟蹤速度；并對目標(biāo)跟蹤過程中不同狀態(tài)下的目標(biāo)采用合適的模型更新率，把能夠準(zhǔn)確地反映目標(biāo)形態(tài)的特征要以較大的更新率加入到模型中，保證目標(biāo)模型對目標(biāo)準(zhǔn)確的表示，在進(jìn)行相關(guān)濾波計算時才能得到較大的置信度，獲得目標(biāo)的準(zhǔn)確位置。

發(fā)明內(nèi)容