[發(fā)明專(zhuān)利]一種采樣框自適應(yīng)的多特征融合在線(xiàn)目標(biāo)跟蹤方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011500416.1
• 申請(qǐng)日: 2020-12-18
• 公開(kāi)（公告）號(hào): CN112614158B
• 公開(kāi)（公告）日: 2022-08-26
• 發(fā)明（設(shè)計(jì)）人: 閆莉萍;馮子航;夏元清;張金會(huì);翟弟華;鄒偉東;劉坤
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京理工大學(xué)
• 主分類(lèi)號(hào): G06T7/246
• 分類(lèi)號(hào): G06T7/246;G06V10/764;G06V10/774;G06V10/80
• 代理公司: 北京理工大學(xué)專(zhuān)利中心 11120
• 代理人: 代麗;郭德忠

本發(fā)明提出了一種采樣框自適應(yīng)的多特征融合在線(xiàn)目標(biāo)跟蹤方法，能夠使用多種特征的不同信息進(jìn)行穩(wěn)定跟蹤，并對(duì)給定目標(biāo)矩形框自適應(yīng)變形提高相關(guān)濾波器的分類(lèi)準(zhǔn)確性。本發(fā)明的采樣框自適應(yīng)的多特征融合的在線(xiàn)目標(biāo)跟蹤方法，采用跟蹤特征融合和跟蹤質(zhì)量預(yù)測(cè)策略，與傳統(tǒng)的核化相關(guān)濾波器相比，能夠使用多種特征的不同信息進(jìn)行穩(wěn)定跟蹤，并對(duì)給定目標(biāo)矩形框自適應(yīng)變形提高相關(guān)濾波器的分類(lèi)準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明屬于單目標(biāo)在線(xiàn)跟蹤技術(shù)領(lǐng)域，涉及一種采樣框自適應(yīng)的多特征融合在線(xiàn)目標(biāo)跟蹤方法。

背景技術(shù)

為了開(kāi)發(fā)并提高計(jì)算機(jī)視覺(jué)智能，首先，計(jì)算機(jī)需要加裝感光元件以得到基本的圖片信號(hào)。然后，計(jì)算機(jī)利用自身的硬件資源和軟件資源對(duì)圖像信號(hào)進(jìn)行處理，來(lái)得到對(duì)圖像信號(hào)的“理解”，比如目標(biāo)種類(lèi)、目標(biāo)位置等高級(jí)信息。進(jìn)而，設(shè)計(jì)者可以把這種智能嵌入到復(fù)雜系統(tǒng)中使得系統(tǒng)可以完成控制或者監(jiān)控任務(wù)。包括機(jī)器人和自動(dòng)駕駛車(chē)輛的控制、運(yùn)動(dòng)和生物醫(yī)藥的視覺(jué)測(cè)量、人機(jī)交互、視頻內(nèi)容信息分析和檢索、動(dòng)作捕捉、影視制作、增強(qiáng)現(xiàn)實(shí)等任務(wù)，其中，種種任務(wù)中關(guān)鍵的一環(huán)就是目標(biāo)跟蹤技術(shù)。

在目標(biāo)跟蹤技術(shù)中，生成式目標(biāo)跟蹤學(xué)習(xí)的是目標(biāo)的特征，難以區(qū)分背景中與目標(biāo)相似的部分，故使用判別式目標(biāo)跟蹤對(duì)目標(biāo)與周?chē)尘白鰠^(qū)分，得到更準(zhǔn)確的跟蹤結(jié)果。在線(xiàn)判別式跟蹤的思想是在線(xiàn)訓(xùn)練一個(gè)區(qū)分目標(biāo)與背景的二分類(lèi)器，并在跟蹤過(guò)程中不斷更新分類(lèi)器使之對(duì)外觀變化的目標(biāo)和背景保持分類(lèi)的能力。但是，目前通常使用的經(jīng)典相關(guān)濾波在線(xiàn)跟蹤方法，不能有效利用多種特征區(qū)分目標(biāo)與背景，不能有效克服初始給定目標(biāo)矩形采樣框?qū)τ?xùn)練過(guò)程的影響，將會(huì)導(dǎo)致跟蹤效果變差。可見(jiàn)，現(xiàn)有的在線(xiàn)目標(biāo)跟蹤方法只能利用單一特征實(shí)現(xiàn)目標(biāo)與背景區(qū)分，區(qū)分結(jié)果誤差出現(xiàn)率較高，另外采樣框也不能自適應(yīng)調(diào)整。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明提出了一種采樣框自適應(yīng)的多特征融合在線(xiàn)目標(biāo)跟蹤方法，能夠使用多種特征的不同信息進(jìn)行穩(wěn)定跟蹤，并對(duì)給定目標(biāo)矩形框自適應(yīng)變形提高相關(guān)濾波器的分類(lèi)準(zhǔn)確性。

為實(shí)現(xiàn)上述目的，本發(fā)明技術(shù)方案如下：

本發(fā)明的一種采樣框自適應(yīng)的多特征融合在線(xiàn)目標(biāo)跟蹤方法，包括如下步驟：

步驟1、輸入目標(biāo)初始中心位置x₁＝[x¹,x²]、目標(biāo)初始尺寸s₁＝[s¹,s²]以及超參數(shù)；

其中，上標(biāo)1指代視頻中圖片平面直角坐標(biāo)系的第一條坐標(biāo)軸，稱(chēng)為長(zhǎng)，上標(biāo)2指代視頻中圖片平面直角坐標(biāo)系的第二條坐標(biāo)軸，稱(chēng)為寬；

所述超參數(shù)包括基礎(chǔ)擴(kuò)充倍數(shù)p_base、跟蹤特征種類(lèi)數(shù)N_F、核函數(shù)f_ker、核函數(shù)決定的核空間變化函數(shù)高斯函數(shù)方差系數(shù)γ_σ、均值為0方差為σ的標(biāo)簽高斯函數(shù)f_gau、正則項(xiàng)系數(shù)λ₁,λ₂、顯著值點(diǎn)系數(shù)γ_lar、模型更新率θ_update、模型更新閾值系數(shù)γ_update、最優(yōu)采樣框選擇時(shí)刻k^cho、背景采樣偏移池自適應(yīng)采樣框池以及尺度金字塔比例系數(shù)集合，其中x₁和s₁是二維向量，p_base、N_F、σ、γ_lar、θ_update和γ_update是標(biāo)量，k^cho是正整數(shù)，f_ker、和f_gau是函數(shù)，向量集合中向量的兩個(gè)元素分別為以x₁為中心的采樣框的長(zhǎng)和寬，為基礎(chǔ)擴(kuò)充采樣框的長(zhǎng)和寬；

步驟2、對(duì)當(dāng)前時(shí)刻k，此時(shí)k＝1，根據(jù)目標(biāo)當(dāng)前中心位置x_k和目標(biāo)當(dāng)前尺寸s_k，訓(xùn)練跟蹤分類(lèi)器，然后將k+1賦值給k；