[发明专利]一种基于相关滤波的视频跟踪方法

说明书

本发明涉及一种基于相关滤波的视频跟踪方法。本发明对输入的视频帧序列进行检测，并将视频帧的目标提取出来，提取HOG特征值，计算相似度，用前N帧样本降维后的样本通过相关滤波，找到N+1帧的目标位置，使用第N+1帧当前样本和前N帧样本降维后的样本信息对其进行卡尔曼滤波操作，算出第N+2帧的模板样本，通过卡尔曼滤波找到后一帧的模板信息，通过泊松分布来实现方法参数的更新。本发明克服了基于模板的相关滤波跟踪方法，采用分类器的方法各自存在的缺陷。本发明运用了相关滤波巧妙的运算技巧，将时间复杂度降低，从而减少了计算时间，并且运用了主成分分析，卡尔曼滤波函数和随机更新策略，一方面增加了样本的数量和复杂度，另一方面提高了跟踪目标的精度。

技术领域

本发明涉及目标跟踪领域，尤其涉及一种基于相关滤波的视频跟踪方法。

背景技术

近年来，计算机视觉越来越受到人们的关注，而且应用也越来越广泛，特别是在视频监控、行为分析、智能交通系统等中都占据着重要的地位，虽然目前已经有很多关于目标跟踪的研究成果，但是如何稳定地跟踪目标而不受环境变化因素的影响仍然是一个严峻的问题。

在本发明之前，传统的相关滤波跟踪方法主要有两类，一类是基于模板的相关滤波跟踪方法，该方法首先提取目标的模型，然后在整张视频帧中寻找与模板相似度最高的区域，但是该方法是在像素级下操作，计算复杂并且运行时间缓慢；另一类则是采用分类器的方法，该方法首先是利用目标的属性训练一个分类器，然后利用该分类器将目标从视频帧分离出来，但是该方法一般只是用于单模板的相关滤波跟踪，样本不变且对于环境的变化(如光照、摄像机的运动、目标的遮挡)，目标跟踪则会产生漂移，从而丢失跟踪目标。

发明内容

本发明的目的就在于克服上述缺陷，研制一种基于相关滤波的视频跟踪方法。

本发明的技术方案是：

一种基于相关滤波的视频跟踪方法，其主要技术特征在于步骤如下：

1)采用相关滤波的方法对输入的视频帧序列f_i，i＝1，...N进行逐帧检测，得到每一个目标的信息(x_j，y_j，W_j，H_j)，其中，(x_j，y_j)表示第j个目标的中心坐标，(W_j，H_j)表示第j个目标的宽度和高度，保留每帧结果信息保存到样本集里；

2)样本集中有N个样本信息，使用主成分分析方法对其降维，获得一维具有多个特征的样本信息；

3)构造卡尔曼滤波函数来预测出下一帧目标样本，从而实现跟踪；

4)泊松分布法随机取值再通过阈值实现参数更新。

所述通过HOG方法来提取目标的特征值，通过前N帧结果，结合主成分分析原理，取得降维后单个的目标样本。

所述在前N帧之后，用当前预测目标样本和当前目标样本通过卡尔曼滤波来预测下一帧的目标样本，实现目标跟踪。

所述在目标模板更新阶段，采用泊松分布和阈值的方法来更新相关滤波参数，若大于阈值，则将当前目标样本初始化参数，并且替换当前参数，若小于阈值，则将继续执行当前更新策略。

本发明的优点和有益效果在于首先对于目标检测阶段，我们采用相关滤波的方法分割目标和背景，这样更适用于不同的复杂背景，增加检测的鲁棒性，而且我们采用阈值δ的方法来尽可能地减少虚假目标，增加了跟踪的可靠性，在目标跟踪阶段，我们采用具有空间信息的局部特征值来刻画目标的外观特征，这样使得目标跟踪的精度更高，而且当目标的外观与几个候选目标的外观相似时，我们增加了空间几何距离来区别不同的目标，当目标被这遮挡时，我们采用卡尔曼滤波来预测目标在下一时刻的坐标位置，这样在目标处于短时间的遮挡时，我们可以有效地解决目标遮挡问题，提高了跟踪的准确性和鲁棒性。