[发明专利]一种基于目标性分析的视觉目标跟踪方法

说明书

本发明公开了一种基于目标性分析的视觉目标跟踪方法，通过在线学习前景与背景区域的颜色直方图模型，计算当前帧图像的区域目标性图，从中定位多个跟踪锚点的位置，并根据目标本身的大小确定多个搜索区域，利用相关滤波跟踪算法得到每个搜索区域的响应图，根据熵正则化损失函数和多个搜索区域的跟踪响应图选择最佳搜索区域，最终确定目标所在位置。本发明不带有特定目标类型信息，不限制目标的表现模型和运动模型，因此普适性较好，相较于现有的其他目标跟踪算法，无论是在解决动目标动平台问题还是背景遮挡问题等方面都有很好的效果，对视觉目标跟踪的算法研究和实践具有重要的指导意义。

技术领域

本发明涉及数字图像处理和机器学习交叉技术领域，具体涉及一种基于目标性分析的视觉目标跟踪方法。

背景技术

视觉目标跟踪在目前的人机交互、机器人系统、航空航天以及城市视频监控中都有非常重要的应用。目前常用的目标跟踪方法如下：

(1)基于图像全局检测的目标跟踪方法

基于图像全局检测的目标跟踪方法主要分为两种，即基于关键点匹配的目标跟踪方法和基于目标性的跟踪算法。基于关键点匹配的目标跟踪方法通常在目标位置提取具有不变性特征的关键点，将目标模版表示为一些关键点的集合，在当前帧全图中提取关键点，并与目标模板的关键点进行关键点匹配，所求目标为当前帧目标位置相对于初始模板位置的几何变换关系。基于目标性的跟踪算法通常计算多个目标潜在区域，并逐一对这些目标潜在区域进行二分类，最终预测的目标位置是这些目标潜在区域中的一个。

(2)基于图像局部检测的目标跟踪方法

基于图像局部检测的目标跟踪方法通常利用一个在线学习更新的分类器将目标从其周围背景中区分出来。在预测当前帧目标所在位置时，跟踪器的搜索范围是一个较小的图像局部区域，该区域以上一帧预测的目标所在位置为中心，面积略微大于目标本身的面积。通过在搜索区域内以滑动窗口的形式获取待测试样本，用训练好的分类器计算其是真正目标的得分值，取得分值最大的一个测试样本作为新的目标所在位置的预测结果。

基于图像全局检测的目标跟踪方法，由于搜索区域过大，计算复杂度过高，很难实时。此外全局图像中的背景物体也可能对跟踪器产生干扰，容易导致跟踪失败。基于图像局部检测的目标跟踪方法，虽然能够很好的解决背景干扰、计算复杂度高等问题，但是算法的跟踪结果严重受到上一帧目标预测位置的影响，如果上一帧的目标位置预测结果出现偏差，就极有可能导致后续所有帧的跟踪结果全部失败，限制此类方法的实际应用范围。

综上所述，尽管目前已经存在非常多的视觉目标跟踪的相关方法，但由于算法的准确性、鲁棒性以及实时性等原因，很难将其应用到真实复杂的自然场景中。

发明内容

本发明的目的在于克服现有技术中存在的缺陷，提供一种基于目标性分析的视觉目标跟踪方法，以实现精确且实时的视觉目标跟踪。

本发明采用以下技术方案：

一种基于目标性分析的视觉目标跟踪方法，所述方法包括：

S1、根据上一帧的目标预测位置、跟踪目标及其周围背景的颜色直方图，计算当前帧的像素级目标性图；

S2、在所述步骤S1得到的像素级目标性图上以滑动窗口的形式计算区域目标性图，使用非极大值抑制选择所述区域目标性图中响应值最高的N个位置，作为跟踪锚点；

S3、在以所述步骤S2得到的N个跟踪锚点以及所述上一帧中的目标位置为中心，面积为目标大小ρ倍的N+1个搜索区域内，利用同一个相关滤波器分别得到每个搜索区域的跟踪结果响应图，分别找到所述每个响应图中的最大响应位置作为跟踪目标在当前帧的候选位置；

S4、通过非极大值抑制，在所述步骤S3得到的N+1个响应图中分别选出S个测试样本，通过最小化熵正则化损失函数，选择最优跟踪锚点，根据其对应响应图的最大值的位置预测当前帧目标所在位置；