[发明专利]一种目标跟踪方法及装置

说明书

本发明提出一种目标跟踪方法及装置，该方法包括：在初始帧图像中，根据给定目标位置初始化所有滤波器；为当前帧图像候选框匹配滤波器进行响应计算。若存在响应峰值大于阈值，则据此确定目标位置；若不存在响应峰值大于阈值，则暂停滤波器更新，进入遮挡状态；根据上一帧目标包围框确定当前帧目标检测区域。根据检测高分框提取候选框，分别匹配滤波器并计算响应峰值，若检测得分和响应峰值均大于阈值则认为目标找回，否则仍为遮挡状态；连续多帧遮挡则将检测范围扩展到全图，直至重新找回目标。本方法在跟踪目标姿态变化，环境光照变化以及遮挡等情况均具有较强的多态适应性和鲁棒性，便于实现目标的全程跟踪和观测。

技术领域

本发明涉及的是一种目标跟踪方法及装置，属于图像处理技术领域，具体说就是一种检测辅助的多滤波器目标稳定跟踪算法及装置。

背景技术

目标跟踪已经被广泛地应用在计算机视觉、监控系统、民用安检和红外制导等研究领域。目标跟踪的本质是确定目标在图像序列中的位置和几何信息。相似背景干扰及跟踪目标同类物体的遮挡等都使长时间稳定准确跟踪的难度大大增加，已成为计算机视觉领域的研究热点。

目标跟踪方法采用的外观模型分为两大类：产生式模型和判别式模型。其最大的区别就是产生式模型没有利用背景信息而判别式模型利用了背景信息。即产生式模型利用各个正样本建立目标的外观数据先验分布，具体确定目标本身特征，而忽视背景图像信息。而判别式模型同样利用包含背景的负样本，训练可以将正负样本很好分开并且可以推广的分类器。现在跟踪算法主要是判别式模型，因为可以充分利用背景信息。相关滤波器跟踪算法采用的即为判别式模型，

目前，对于相关滤波器类跟踪算法已经做了很多工作，提出了不少有效的改进方法，例如文章“Henriques J F,Rui C,Martins P,et al,“High-Speed Tracking withKernelized Correlation Filters,”IEEE Transactions on Pattern Analysis andMachine Intelligence,vol.37,no.3,pp.583-596,2015.”提出引入高斯核函数的KCF跟踪算法，文章“Danelljan M,G,Khan F S,“Accurate scale estimation for robustvisual tracking,”in British Machine Vision Conference,Nottingham,UnitedKingdom,2014,pp.65.1-65.11.”适应跟踪目标的尺度变化，文章“Galoogahi H K,Sim T,Lucey S,“Correlation filters with limited boundaries,”in IEEE Conference onComputer Vision and Pattern Recognition,Boston,USA,2015,pp.4630-4638.”减小边界效应、文章“Danelljan M,Robinson A,Khan F S,et al,“Beyond CorrelationFilters:Learning Continuous Convolution Operators for Visual Tracking,”inEuropean Conference on Computer Vision,Amsterdam,The Netherlands,2016,pp.472-488.”将离散特征图像转化为连续特征图像并训练通用连续滤波器以融合不同尺度特征图像信息等。其中，引入高斯核函数的KCF跟踪算法作为一种性能出色的跟踪算法，在实际工程中已经得到了较为广泛的应用。但是由于KCF无法识别遮挡，并且只能存储最近的跟踪目标图像信息，所以在跟踪目标发生剧烈形变时，目标包围框容易发生漂移，目标遮挡时将引入大量错误训练样本，这些都将导致跟踪的最终失败。