[发明专利]一种基于核相关滤波与运动估计的目标跟踪方法

说明书

本发明实施例公开一种基于核相关滤波与运动估计的目标跟踪方法。该目标跟踪方法在核相关滤波器的基础上，引入跟踪响应为高斯分布的设想，采用贝叶斯优化对核相关滤波器进行处理；并且加权结合抑制背景的贝叶斯分类器的响应与核相关滤波的响应；最后基于运动估计对目标运动方向进行预测，在跟踪失败时在预测的位置上检测目标以实现重检测。本发明实施例所提出的目标跟踪方法在OTB2013测试集上与现有的其他目标跟踪方法进行了对比，对比结果表明本发明实施例所提出的目标跟踪算法性能优异，且具有高达42帧每秒的运行速度，具有良好的实用性和准确度。

技术领域

本发明涉及计算机图像处理的技术领域，具体涉及一种基于核相关滤波与运动估计的目标跟踪方法。

背景技术

目标跟踪是计算机视觉领域中一个基础的研究问题，目标跟踪在机器人、视频监控、无人机等领域内广泛应用。目前，基于检测的目标跟踪方法已经成为目标跟踪中的研究热点技术。基于检测的目标跟踪方法是将目标跟踪问题理解成一个在线的物体检测问题，从而极大地提升了目标跟踪的准确性。进一步地，相关滤波器引入目标跟踪后，由于相关滤波器具有高效率和高准确性的特点，目标跟踪的应用更为广泛。

相关滤波器由Bolme等人在2010年引入目标跟踪领域，Bolme等人提出了一种运行速度高达数百帧每秒的MOSSE目标跟踪方法。Henriques等人在MOSSE的基础上，使用循环矩阵进行循环采样并引入核技巧，提出了CSK目标跟踪方法。进一步地，Henriques等人在CSK的基础，将使用单通道灰度特征的CSK，扩展为使用多通道特征的方向梯度直方图特征(HOG)的KCF/DCF目标跟踪方法。考虑到颜色信息在视频图像中的重要性，Denelljan等人提出位置相关滤波器，在位置相关滤波器中使用颜色属性(CN)作为特征，并采用自适应降维方法将10维的颜色属性(CN)压缩为2维。在原有位置相关滤波器的基础上，Danelljan等人提出DSST目标跟踪方法，DSST目标跟踪方法通过构建尺度金字塔训练一个处理尺度变化的尺度相关滤波器以适应目标的尺度变化。Li等人提出了另一种计算量较大但更为准确的尺度自适应SAMF目标跟踪方法，SAMF目标跟踪方法通过使用位置相关滤波器在多个尺寸图像块上进行搜索，选取响应最大的为当前位置及对应尺寸。

由于上述的目标跟踪方法中，相关滤波器普遍采用梯度直方图特征(HOG)作为特征，从而，相关滤波器难以处理低分辨率、旋转或变形等情况下的目标。进一步地，由于上述的目标跟踪方法中的模型更新策略存在高风险，若目标遭遇遮挡后，目标跟踪方法将失效。

因此，针对现有的采用相关滤波器的目标跟踪方法存在的问题，需要提供一种能够适应目标存在低分辨率、旋转或变形情况，且能在跟踪失效时再重新检测目标的目标跟踪方法。

发明内容

针对现有采用相关滤波器的目标跟踪方法存在的问题，本发明实施例提出一种基于核相关滤波与运动估计的目标跟踪方法。该方法在核相关滤波过程中引入贝叶斯优化，并且使用高斯函数抑制背景的颜色概率，使得目标跟踪方法有效地适应低分辨率、背景斑杂、旋转或变形的情况。进一步地，当目标跟踪失败时，该方法采用基于运动估计进行重检测，有效地避免了跟踪失败的情况。