[發(fā)明專利]一種水面無人船長時跟蹤方法、裝置及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202011643347.X
• 申請日: 2020-12-30
• 公開（公告）號: CN112785622A
• 公開（公告）日: 2021-05-11
• 發(fā)明（設(shè)計）人: 余明裕;沈士為;鄭宇鴻;潘婷;黎承忠
• 申請（專利權(quán)）人: 大連海事大學(xué)
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/73;G06K9/46;G06K9/62
• 代理公司: 大連東方專利代理有限責(zé)任公司 21212
• 代理人: 李馨

本發(fā)明提供一種水面無人船長時跟蹤方法、裝置及存儲介質(zhì)。本發(fā)明方法，包括：S1、讀取第一幀圖片訓(xùn)練SVM檢測器、位置濾波器和尺度濾波器；S2、讀取下一幀圖片并進行遮擋判斷；S3、基于該圖片提取HOG特征和CN特征學(xué)習(xí)相關(guān)濾波器，并根據(jù)相關(guān)濾波器確定對應(yīng)的位置和權(quán)重，進行目標定位；S4、通過SVM檢測器在候選區(qū)域通過模板匹配進行目標定位；S5、進行采集尺度更新，進而更新位置濾波器、尺度濾波器和SVM檢測器參數(shù)。本發(fā)明在KCF相關(guān)濾波算法基礎(chǔ)上引入SVM重檢測機制。首先重新訓(xùn)練一個檢測濾波器用來計算跟蹤結(jié)果置信度，以確定是否跟蹤失敗，然后訓(xùn)練一個在線SVM分類器用于重檢測，當出現(xiàn)跟蹤漂移或跟蹤失敗的情況時，利用SVM重新修正跟蹤目標。

技術(shù)領(lǐng)域

本發(fā)明涉及視覺跟蹤技術(shù)領(lǐng)域，具體而言，尤其涉及一種水面無人船長 時跟蹤方法、裝置及存儲介質(zhì)。

背景技術(shù)

目標跟蹤作為計算機視覺學(xué)科的傳統(tǒng)課題之一，多年來一直是人們重點 研究的方向。尤其在復(fù)雜背景下，光照的變化、目標被遮擋、背景與目標的 相似性等問題都使得目標跟蹤更具挑戰(zhàn)性。我們通過無人船監(jiān)控系統(tǒng)跟蹤預(yù) 測來往船舶動態(tài)狀況，隨時掌握港口附近船舶動態(tài)信息。從艦船、艇等視覺 圖像中檢測出目標圖像，進一步提取大量的有用信息，對港口的監(jiān)測與水質(zhì) 檢測、捕魚的監(jiān)管以及軍事戰(zhàn)爭中判別危險所在等有著很廣泛的應(yīng)用前景。

Henriques等人在已有相關(guān)濾波跟蹤的基礎(chǔ)上提出核相關(guān)濾波器(KCF) 跟蹤算法，使用方向梯度直方圖(HOG)特征代替原來的灰度值特征，將相 關(guān)濾波器由單通道擴展到多通道，提升了跟蹤的準確性和實時性。

在實際無人船的視覺跟蹤過程中由于水面背景極容易遇到一些外界因素 的干擾，如跟蹤過程中發(fā)生遮擋，跟蹤目標移出視野，以及目標發(fā)生尺度形 狀等變化。當目標被遮擋時，目標特征被遮擋取代，導(dǎo)致在模型更新學(xué)習(xí)時 引入遮擋物信息,引起模型識別出現(xiàn)偏差而引起目標發(fā)生漂移從而導(dǎo)致跟蹤 失敗。

發(fā)明內(nèi)容

根據(jù)上述提出的目標被遮擋以及移出視頻等問題技術(shù)問題，而提供一種 水面無人船長時跟蹤方法、裝置及存儲介質(zhì)。本發(fā)明在KCF相關(guān)濾波算法基 礎(chǔ)上引入SVM重檢測機制。首先重新訓(xùn)練一個檢測濾波器用來計算跟蹤結(jié)果 置信度，以確定是否跟蹤失敗，然后訓(xùn)練一個在線SVM分類器用于重檢測， 當出現(xiàn)跟蹤漂移或跟蹤失敗的情況時，利用SVM重新修正跟蹤目標。

本發(fā)明采用的技術(shù)手段如下：

一種水面無人船長時跟蹤方法，包括：

S1、讀取第一幀圖片，一方面由所述第一幀圖像數(shù)據(jù)提取正、負樣本集 訓(xùn)練SVM檢測器，另一方面由所述第一幀圖像數(shù)據(jù)提取候選樣本集訓(xùn)練位置 濾波器和尺度濾波器，所述SVM檢測器對被遮擋的目標進行重新定位，所述 位置濾波器用于對下一幀圖像數(shù)據(jù)進行目標定位，所述尺度濾波器用于獲取 下一幀圖像數(shù)據(jù)的采集尺度；

S2、讀取下一幀圖片并進行遮擋判斷，當判斷為無遮擋時執(zhí)行步驟S3， 否則執(zhí)行步驟S4；

S3、基于該圖片提取HOG特征和CN特征學(xué)習(xí)相關(guān)濾波器，并根據(jù)相關(guān) 濾波器確定對應(yīng)的位置和權(quán)重，進行目標定位，然后執(zhí)行S5；

S4、通過SVM檢測器在候選區(qū)域通過模板匹配進行目標定位，然后執(zhí) 行S5；

S5、進行采集尺度更新，進而更新位置濾波器、尺度濾波器和SVM檢 測器參數(shù)。

進一步地，步驟S3包括：

獲取當前圖像并通過位置相關(guān)濾波器采集第一候選樣本；

將所述第一候選樣本送入第一位置尋優(yōu)通道和第二位置尋優(yōu)通道，所述 第一位置尋優(yōu)通道用于提取樣本的HOG特征并基于該特征獲取第一目標位 置，所述第二位置尋優(yōu)通道用于提取樣本的CN特征并基于該特征獲取第二 目標位置；

將所述第一目標位置和第二目標位置自適應(yīng)加權(quán)融合得到最終位置；