[發(fā)明專利]基于多特征融合與自適應(yīng)學(xué)習(xí)率更新的抗遮擋跟蹤方法

有效

• 申請?zhí)枺?/td>: 202011562036.0
• 申請日: 2020-12-25
• 公開（公告）號: CN112613565B
• 公開（公告）日: 2022-04-19
• 發(fā)明（設(shè)計）人: 蔡東升;黃琦;章文旭;李堅;胡維昊;井實;易建波;孫敏;張真源
• 申請（專利權(quán)）人: 電子科技大學(xué)
• 主分類號: G06V10/80
• 分類號: G06V10/80;G06V10/764;G06V10/56;G06V10/50;G06V40/10;G06T7/246;G06T7/73
• 代理公司: 成都行之專利代理事務(wù)所(普通合伙) 51220
• 代理人: 溫利平

本發(fā)明公開了一種基于多特征融合與自適應(yīng)學(xué)習(xí)率更新的抗遮擋跟蹤方法，先將跟蹤目標進行分塊，然后對各子塊區(qū)域提取FHOG特征和LAB色彩空間顏色特征并形成融合特征；在不同尺度下將各子塊目標提取到的融合特征輸入訓(xùn)練好的分類器，得到各子塊的響應(yīng)峰值與最大響應(yīng)位置；然后根據(jù)其最大響應(yīng)值進行加權(quán)平均得到最終的目標跟蹤位置；最后采用基于遮擋檢測的自適應(yīng)學(xué)習(xí)率更新的更新策略，對分類器權(quán)重系數(shù)和目標融合特征模型進行更新，實現(xiàn)抗遮擋跟蹤。

技術(shù)領(lǐng)域

本發(fā)明屬于計算機視覺技術(shù)領(lǐng)域，更為具體地講，涉及一種基于多特征融合與自適應(yīng)學(xué)習(xí)率更新的抗遮擋跟蹤方法。

背景技術(shù)

目標跟蹤算法通常可以分為判別式方法和生成式方法。生成式方法的主要思想是在當前幀對目標區(qū)域建模，下一幀尋找與模型最相似的區(qū)域就是預(yù)測位置，比較著名的有卡爾曼濾波，粒子濾波，mean-shift等。判別式方法的主要思想是通過分類器將搜索區(qū)域內(nèi)的不同子區(qū)進行置信度打分，通過對響應(yīng)強度層的分析來判別目標的位置。隨著機器學(xué)習(xí)算法的成熟，判別式方法在目標跟蹤領(lǐng)域越來越普遍。

相關(guān)濾波類跟蹤算法作為一類典型的判別式跟蹤方法，針對此方面的研究目前已經(jīng)取得了不錯的成就，典型代表為KCF跟蹤方法。但KCF跟蹤方法在實際應(yīng)用時仍然有一些缺陷致使其無法適應(yīng)復(fù)雜環(huán)境，完成對目標的持續(xù)跟蹤。比如只采用單一特征(如HOG特征等)，由于單一特征所提取的外觀模型往往不具有很好的區(qū)分性，當目標發(fā)生較大形變或出現(xiàn)遮擋時不能很好地表征目標外觀模型，容易導(dǎo)致跟蹤漂移；無論跟蹤結(jié)果是否準確，都會對檢測器進行更新，從而出現(xiàn)在目標發(fā)生遮擋或跟蹤發(fā)生漂移時，檢測器被錯誤信息干擾，導(dǎo)致跟蹤失敗；同一運動目標在不同(方位、距離等)視角下，其尺度也有很大差異，不能滿足自適應(yīng)尺度變化的要求。因此，需要對針對上述問題進行相應(yīng)處理，才能應(yīng)用于復(fù)雜環(huán)境中從而達到較好的跟蹤效果。

相關(guān)的專利如申請?zhí)朇N201710216523.3的發(fā)明專利公開了一種基于FHOG 和顏色特征的目標跟蹤方法及GPU加速，通過提取FHOG、color-naming基礎(chǔ)顏色和色彩飽和度三者的組合特征，提高了目標跟蹤準確率。但是該方法仍然存在一些不足，如所采用組合特征中的顏色特征在光照變化的環(huán)境下表現(xiàn)一般、應(yīng)對跟蹤目標局部形變時效果不佳、每幀都采用固定學(xué)習(xí)率進行模型更新容易因為遮擋導(dǎo)致跟蹤漂移等問題。

目前針對KCF更新策略的改進大多采用的自適應(yīng)學(xué)習(xí)率方法是通過減小學(xué)習(xí)率，雖然能保證特征模型不被污染，但同時會使分類器不適應(yīng)經(jīng)過遮擋后目標的特征變化，導(dǎo)致跟蹤效果變差。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種基于多特征融合與自適應(yīng)學(xué)習(xí)率更新的抗遮擋跟蹤方法，通過自適應(yīng)學(xué)習(xí)率更新的更新策略，對分類器權(quán)重系數(shù)和融合特征模板進行更新，實現(xiàn)抗遮擋跟蹤。

為實現(xiàn)上述發(fā)明目的，本發(fā)明一種基于多特征融合與自適應(yīng)學(xué)習(xí)率更新的抗遮擋跟蹤方法，其特征在于，包括以下步驟：

(1)、目標框自適應(yīng)分塊

采集被檢測區(qū)域的視頻，并截取連續(xù)的L幀圖像，然后讀取第一幀圖像；

在第一幀圖像中，隨機選取一目標，將目標所在區(qū)域作為初始目標框，然后按照預(yù)設(shè)分塊數(shù)目進行自適應(yīng)分塊，得到多個目標塊；

(2)、提取各目標塊的融合特征

(2.1)、設(shè)置用于提取LAB空間顏色特征的κ個質(zhì)心；

(2.2)、將各目標塊劃分為M×N個4×4大小的元胞，記為元胞矩陣；

(2.3)、提取各目標塊的FHOG特征；

在元胞矩陣中，利用距離和方向線性插值產(chǎn)生元胞的9維無符號梯度方向 HOG特征，再對每個元胞相對其鄰域元胞進行歸一化截斷，得到元胞對應(yīng)的 4×9＝36維特征向量，對36維特征向量的各行各列分別進行求和，得到13維的特征向量；