[发明专利]在相关滤波框架下基于粒子滤波重检测的目标跟踪方法

说明书

本发明提供了一种在相关滤波框架下基于粒子滤波重检测的目标跟踪方法，包括以下步骤：S1、计算响应图，采用相关滤波框架进行初步的跟踪测试，通过相关滤波跟踪器给出目标区域的响应图；S2、决策函数判别，通过决策函数对相关滤波跟踪器给出的目标区域的响应图的可信程度进行判别，并给出响应图是否可信的结果；S3、目标跟踪定位。本发明的有益效果是：使用相关滤波跟踪框架给出响应图，结合决策函数判别响应图是否可信，如果响应图可信，则采用相关滤波跟踪器给出目标位置，反之采用粒子滤波重检测策略重新检测目标的位置信息，从而提升跟踪器的跟踪效率。

技术领域

本发明涉及视觉目标跟踪，尤其涉及一种在相关滤波框架下基于粒子滤波重检测的目标跟踪方法。

背景技术

视觉目标跟踪在计算机视觉领域中扮演着重要的角色；在视频监控、人机交互、机器人学、无人驾驶等领域有着广泛的应用。目标跟踪问题通常只给出目标在视频序列第一帧中的具体位置信息，然后采用不同的跟踪器，预测出目标在后续帧中的位置信息。尽管目前已经有大量学者研究并提出了众多的目标跟踪算法，用来提高目标跟踪的效果。然而由于跟踪目标所处环境的复杂性以及跟踪目标自身的变化，如：周围光照的变化，物体形变、尺度变化、旋转、被遮挡等，目标跟踪算法的性能还存在很大的提升空间。

相关滤波在信号处理领域得到了广泛的应用，其可以采用傅里叶变换将时域计算转换为频域计算，能够快速的给出两个信号的相关输出，从而得到信号之间的相似度。近年来，许多研究人员将相关滤波的特性应用到视觉目标跟踪领域，同样采用傅里叶变换将时域计算转换为频域计算，大大提升了跟踪速度，进而取得了不错的跟踪效果。但是由于相关滤波跟踪器只依靠目标区域的响应图最大值点进行目标定位，当周围环境复杂或者出现干扰时，所得到的响应图往往是不可信的，从而导致跟踪性能的降低。

粒子滤波技术在图像处理领域取得了不错的成绩。由于其采用非线性及非高斯方式去估计问题，能够提升算法的性能；基于粒子滤波技术的重采样策略能够利用这一特性，扩大搜索范围，使得采样更符合实际情况。将粒子滤波重采样策略运用到视觉目标跟踪领域能够提升跟踪算法的性能；但是基于粒子滤波技术会增加算法复杂度，因此需要进行相应的改进才能得到理想的效果。

发明内容

为了解决现有技术中的问题，本发明提供了一种在相关滤波框架下基于粒子滤波重检测的目标跟踪方法。

本发明提供了一种在相关滤波框架下基于粒子滤波重检测的目标跟踪方法，包括以下步骤：

S1、计算响应图，采用相关滤波框架进行初步的跟踪测试，通过相关滤波跟踪器给出目标区域的响应图；

S2、决策函数判别，通过决策函数对相关滤波跟踪器给出的目标区域的响应图的可信程度进行判别，并给出响应图是否可信的判别结果；

S3、目标跟踪定位，如果响应图可信，则直接通过响应图最大值判定目标的中心位置，从而确定目标位置信息；如果响应图不可信，则采用粒子滤波重检测策略对目标区域进行大范围采样，重新计算各个样本的置信图，并取出具有最大响应值的响应图作为最可信的样本，判定目标的中心位置，从而确定目标位置信息。

作为本发明的进一步改进，在步骤S1中，提取特征并训练相关滤波跟踪器，通过相关滤波跟踪器计算响应图。

作为本发明的进一步改进，步骤S1包括通过相关滤波跟踪器计算响应图，根据跟踪序列给定的第一帧序列训练相关滤波跟踪器；

相关滤波模型由如下公式表示：

其中，x_i表示第i个候选样本，y_i表示第i个样本对应的标签，λ表示正则化参数权重，采用傅里叶变换，公式(1)等价于如下公式：

在跟踪过程中，搜索窗的响应图由下面公式给出：