[发明专利]一种尺度自适应核相关滤波快速目标跟踪方法

说明书

本发明涉及一种尺度自适应核相关滤波快速目标跟踪方法，通过在KCF框架中引入二维可变带宽高斯窗以促进前背景的分离并添加尺度估计模块，通过图像块特征点匹配结果来估计目标的尺度变化，在此基础上还可以结合位移预测来判断目标是否处于遮挡中。一旦目标处于遮挡中，则认为此时无尺度变换且不进行模板更新，进而通过这种方式强化跟踪的准确性。本发明的优点是计算简单、快速，能够在兼容尺度自适应的基础上显著提高运算效率。

技术领域

本发明涉及核相关滤波(Kernel Correlation Filter)目标跟踪技术，尤其涉及一种尺度自适应的快速核相关滤波目标跟踪，属于视频分析技术领域。

背景技术

目标跟踪是视频分析的核心问题之一，在人机交互、视频监控、增强现实等领域有广泛的应用。虽然在过去几十年来该技术的研究取得了很大的进展，但由于应用中存在光照变化、刚性形变、快速运动、部分遮挡、背景繁杂等多种因素，寻求快速稳定、适合对象变化的跟踪方法始终是一个挑战。

近年来，基于检测的跟踪(tracking-by-detection)是一种典型的目标跟踪模式。这种跟踪模式集在线学习与模板更新于一体，并从检测中获得新的位置信息。但这种模式需要在目标邻域内收集很多样本模板，而这些模板有很大一部分是重叠的，从而造成很高的冗余计算。为此，研究人员提出了基于循环核结构(CSK：Circulant Structure withKernels)的跟踪算法，有效提高了运算效率，并在此基础上进一步发展出基于核相关滤波(KCF：Kernel Correlation Filter)目标跟踪技术。KCF技术通过引入多特征通道概念，获得了目标跟踪鲁棒性和准确性提升，成为目前一类具有代表意义和应用前景的目标跟踪技术。

目前，对KCF目标跟踪的改进成为关注的热点之一，主要侧重于进一步提高其运算效率和对目标尺度变化的适应性。例如，一种为实时跟踪的自适应颜色特征[Danelljan M,Khan F S,Felsberg M,et al.Adaptive Color Attributes for Real-Time VisualTracking[C].IEEE Conference on Computer Vision and Pattern Recognition.IEEEComputer Society,2014:1090-1097.]。该方法将颜色属性分为11类，适时地选择比较显著的颜色，并采用一种类似于PCA的降维方法将特征向量从11维降到2维，提升了准确性，但是对多尺度目标的跟踪效果不够理想。另一种基于特征集成的尺度自适应核相关滤波跟踪[Li Y,Zhu J.A Scale Adaptive Kernel Correlation Filter Tracker with FeatureIntegration[C].European Conference on Computer Vision. Springer,Cham,2014:254-265.]，该方法虽然可以解决目标的尺度变化问题，但由于其中包含7个预定义尺度比例，每次都需对图像块进行双线性插值以调整大小，复杂度很高，非常影响效率。综上所述，现有KCF的改进方法，难以兼顾尺度自适应与运算效率。

发明内容

本发明的目的在于：针对现有技术存在的缺陷，提出一种尺度自适应核相关滤波快速目标跟踪方法，在KCF框架中引入可变带宽高斯窗以促进前背景的分离并添加尺度估计模块，通过图像块特征点匹配结果来估计目标的尺度变化。

为了达到以上目的，本发明提供了一种尺度自适应核相关滤波快速目标跟踪方法，通过在KCF框架中引入二维可变带宽高斯窗以促进前背景的分离并添加尺度估计模块，通过图像块特征点匹配结果来估计目标的尺度变化，包括如下步骤：

步骤1.读取首帧图像，并进行初始训练：

步骤1.1.给定初始目标框(u,v,w,h)，确定目标中心为pos1(u,v)、目标大小为target_sz(w,h)，以目标中心截取W×H大小的图像块patch1，确定二维高斯窗gauss；