[發明專利]一種基于結構化逐像素目標注意機制的目標跟蹤方法

有效

• 申請號: 202010896415.7
• 申請日: 2020-08-31
• 公開（公告）號: CN111951297B
• 公開（公告）日: 2022-04-19
• 發明（設計）人: 張煥龍;陳青華;于俊洋;程利云;張杰;史坤峰;安小宇;楊光露;陳宜濱;孔漢
• 申請（專利權）人: 鄭州輕工業大學
• 主分類號: G06T7/215
• 分類號: G06T7/215;G06T7/13;G06T7/90;G06N3/04
• 代理公司: 鄭州優盾知識產權代理有限公司 41125
• 代理人: 張真真

本發明提出了一種基于結構化逐像素目標注意機制的目標跟蹤方法，屬于目標跟蹤技術領域，用于解決傳統暹羅跟蹤算法為抑制背景利用余弦窗加權作為位置約束的方法無法精確獲得目標邊界，難以有效提高跟蹤魯棒性的問題。本發明首先建立逐像素目標注意機制，評估像素屬于目標的概率，有效地區分目標邊界，突出目標區域。同時，利用結構信息解決逐像素干擾，結合互補標簽約束，得到結構逐像素目標注意模型，提高最終響應圖的置信度，實現更可靠的目標定位。然后通過記憶器評估跟蹤結果的置信度，保留高質量的樣本更新結構化逐像素目標注意模型，提高模型的表達能力，從而實現更魯棒性的跟蹤性能。

技術領域

本發明涉及目標跟蹤的技術領域，特別是指一種基于結構化逐像素目標注意機制的目標跟蹤方法。

背景技術

目標跟蹤是計算機視覺領域中基礎的研究課題之一，在圖像理解、自動駕駛、視頻監控等方面具有廣泛的應用。目標跟蹤是給定任意目標在第一幀中的位置，然后在不斷變化的視頻序列中自動定位。雖然視覺跟蹤在最近的研究中得到了很大的進步，但由于背景雜亂、形變、遮擋等因素的影響，實現魯棒的跟蹤一直被認為是一項極具挑戰性的任務。

近年來，基于孿生網絡的跟蹤算法因其速度快、精度高而受到視覺跟蹤界的廣泛關注。通過將目標跟蹤轉換為一個相似度學習問題，孿生跟蹤器的目標是從大量視頻中離線學習一般的相似度函數。雖然上述的跟蹤方法取得了優異的跟蹤性能，特別是在良好的平衡精度和速度，暹羅學習框架仍有一些限制。首先，在面對背景雜亂時暹羅跟蹤器很難保持其優越的性能。大多數暹羅跟蹤器都能有效地從簡單的背景中分離目標。然而，背景干擾總是會影響跟蹤性能，這是提高跟蹤性能的關鍵。因此，當背景具有雜波時，跟蹤性能無法得到保證。

一些傳統孿生跟蹤方法為了抑制背景信息對目標建模的影響，傳統的孿生跟蹤方法采用高斯加權、余弦窗口加權作為結構約束來突出目標區域。然而，存在兩個問題。一是結構約束只與目標位置有關(根據到前一幀目標中心的距離)，沒有利用目標的特征。該方法不能準確區分前景和背景，不能識別前景和背景的輪廓，特別是在背景雜亂的情況下。其次，由于目標運動的不確定性，目標在下一幀中的位置是任意的。當發生快速運動時，簡單基于距離的結構約束會導致位置偏見問題，因為遠距離處的低權值使得位移較大的目標成為背景。通常情況下，目標不是規則的矩形，結構約束沒有充分利用目標特征，不能有效地識別目標輪廓，抑制干擾物，還會造成位置偏見問題。

因此，針對現有的利用時間上下文先驗作為位置約束存在的問題，有必要提出一種能準確識別目標邊界，有效突出目標的注意力機制。

發明內容

針對傳統孿生跟蹤方法以距離為基礎的高斯加權、余弦加權作為結構位置約束由于無法精確獲得目標背景和前景的邊界，難以有效抑制背景干擾的技術問題，本發明提供了一種基于結構化逐像素目標注意機制的目標跟蹤方法，利用逐像素的目標識別能夠有效判別不規則目標邊界，突出目標區域以提高最終響應圖的置信度，提高跟蹤的魯棒性。

本發明的技術方案是這樣實現的：

一種基于結構化逐像素目標注意機制的目標跟蹤方法，其步驟如下：

步驟一、根據初始幀圖像中目標的位置信息，在初始幀圖像中截取包含背景的圖像，并將含背景的圖像分為目標圖像和背景圖像；

步驟二、分別將目標圖像和背景圖像轉化至HSV顏色空間，利用標準Epanechnikov核函數提取目標圖像的顏色直方圖H_O，利用標準方法提取背景圖像的顏色直方圖H_B；

步驟三、提取目標圖像的特征圖，并對特征圖進行求解獲得記憶器；

步驟四、獲取下一幀圖像作為當前處理圖像，根據上一幀圖像的目標位置信息截取當前處理圖像的搜索區域圖像；

步驟五、利用目標圖像的顏色直方圖H_O、背景圖像的顏色直方圖H_B和貝葉斯法則對搜索區域圖像進行計算得到逐像素目標概率圖；