[发明专利]一种目标跟踪中考虑场景分类的相关滤波器更新装置

说明书

本发明公开了一种目标跟踪中考虑场景分类的相关滤波器更新装置，包括：目标分块模块、获取参数模块、目标所在场景判定模块和自适应学习更新模块。在实际的目标跟踪过程中，会受到许多现实条件的影响，比如目标本身发生形变或者目标被遮挡，尤其是长时间大面积的遮挡，由于现有的相关滤波器对于这些场景的理解力有限，会使得跟踪器的性能大幅度下降。为了提高跟踪的鲁棒性，本发明提出自适应学习的更新装置，针对目标所处的不同场景对相关滤波器进行自适应更新，解决长时间大面积遮挡以及目标的外观变化等不同的场景对跟踪性能的影响。

技术领域

本发明属于目标跟踪技术领域，具体涉及一种目标跟踪中考虑场景分类的相关滤波器更新装置。

背景技术

运动目标跟踪是计算机视觉领域应用中非常重要的组成部分，能够应用于视频监控、人机交互、视觉导航、军事制导等各个领域。运动目标跟踪通过跟踪算法来对视频图像帧进行分析处理，以此获取目标的位置。但是在实际的跟踪过程中，会受到许多现实条件的影响，使得跟踪算法的实时性不能达到要求。

针对此问题，学者们将相关滤波的思想应用到目标跟踪中，使得目标跟踪的速率有了质的提升，在此之后，许多基于相关滤波的改进算法被提出，但是大多数算法都集中于特征提取和融合，而对于相关滤波器的更新速率始终是一个固定的值。这就导致当目标本身发生形变或者目标被遮挡，尤其是长时间大面积遮挡的时候，由于相关滤波器始终以相同的速率进行更新，最终会导致偏差信息被加入而出现跟踪漂移现象。

发明内容

针对目前基于相关滤波的目标跟踪方法的不足，本发明的目的在于提供了一种目标跟踪中考虑场景分类的相关滤波器更新装置，该装置利用自适应学习的更新机制，基于目标所处的不同场景对相关滤波器进行自适应更新以提高跟踪的准确性，并利用离散傅里叶对角化以降低存储与计算的复杂度。

为达到上述目的，本发明采用如下技术方案来实现：

一种目标跟踪中考虑场景分类的相关滤波器更新装置，包括：

目标分块模块，用于对跟踪目标区域进行分块，得到的各个小块将用于后续的目标所在场景判定；

获取参数模块，用于对上一帧和当前帧图像中跟踪目标的整体响应值和小块响应值进行处理，并得到相似度参数共同用于后续的目标所在场景判定；

目标所在场景判定模块，用于对当前帧中跟踪目标所处的场景进行判定；

自适应学习更新模块，用于根据目标所处的不同场景采用不同的更新策略来对相关滤波器进行更新。

本发明进一步的改进在于，目标分块模块中，将目标分为若干个小块，当目标的宽高大于15个像素时，对其进行分块，每个小块的宽高均大于15，同时为了控制复杂度，分块的个数不超过6×6个。

本发明进一步的改进在于，获取参数模块中，最终用于目标所在场景判定和自适应学习更新的参数包括：

第t帧目标整体的响应值res_t，第t帧的相似度sim_t，前t-1帧中目标整体响应最大值res_Thr_t-1，前t-1帧中相似度最大值sim_Thr_t-1，第t帧第i个小块的响应值B_res_tⁱ，前t-1帧中第i个小块的响应最大值B_Thr_t-1ⁱ，第t帧所有小块响应的平均值Aver_res_t，以及更新速率η_t。

本发明进一步的改进在于，目标所在场景判定模块中，将目标所在场景分类以下四类：无遮挡无形变、有形变、有遮挡缓慢发生和长时间大面积遮挡。

本发明进一步的改进在于，当第t帧的相似度sim_t<0.75时，将视频中跟踪目标所处场景判定为有形变；