[发明专利]一种基于局部敏感直方图改进的Staple目标跟踪方法

说明书

本发明实施例提供了一种基于局部敏感直方图改进的Staple目标跟踪方法。该基于局部敏感直方图改进的Staple目标跟踪方法首先计算灰度图像的3通道局部敏感直方图，再通过两个岭回归方程分别求解并提取特征训练两个跟踪模型，其中颜色分类器使用局部敏感直方图的每个通道上提取的直方图训练，最后融合两个跟踪模型的分类结果获得目标在当前帧的位置，从而有效地解决了现有Staple目标跟踪方法在单通道的灰度图像及红外图像上跟踪效果不理想的问题。

技术领域

本发明涉及计算机图像处理的技术领域，具体涉及一种基于局部敏感直方图改进的Staple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。目标跟踪主要是根据目标在视频中第一帧的位置，估计目标在后续视频序列帧中出现的轨迹。

自从2010年Blume等人首次将相关滤波(CF)引入目标跟踪领域中，其借助于快速离散傅里叶变换，通过将时域上的卷积转换为频域上的点积的处理，极大提高了目标跟踪效率，满足跟踪任务实时性的要求。近期出现了很多相关滤波跟踪器的改进型，比如相关滤波跟踪器(Kernelized Correlation Filters,KCF，2015)、判决尺度空间跟踪(Discriminative Scale Space Tracking,DSST,2015)和模板和逐像素融合学习器(Sumof Template And Pixel-wise LEaners，简称STAPLE或者Staple，2016年由牛津大学的L.Bertinetto等人提出)，如上相关滤波跟踪器都使用了图像梯度特征。特别是Staple，其针对CF类算法中图像梯度特征(比如HOG)局部鲁棒性较好，但对全局的形变效果不好，而颜色信息统计基于全局，提出了融合两种特征，采用融合代价函数来实现物体的跟踪。Staple目标跟踪方法和其他基于判决模型的方法一样，主要是两个模块：跟踪检测模块和模型学习模块。在跟踪检测模块中，Staple目标跟踪方法结合梯度滤波输出以及逐像素的目标置信图来检测新一帧中的目标物体作为跟踪结果。对模型学习模块，其通过岭回归方法，通过逐帧最小化两个代价函数来学习梯度特征参数H以及颜色特征参数B。Staple目标跟踪方法既可以较好的适应形变，同时还可以在普通家用电脑上达到每秒80帧的运行速度。但Staple目标跟踪方法存在针对仅有一个通道的灰度图像跟踪效果较差的缺点。

因此，针对现有的Staple目标跟踪方法存在着跟踪单通道灰度图像效果较差的问题，需要提供一种针对单通道灰度图像也能有很好地跟踪效果的Staple目标跟踪方法。

发明内容

针对现有的Staple目标跟踪方法存在着跟踪单通道灰度图像效果较差的问题，本发明实施例提出一种基于局部敏感直方图改进的Staple目标跟踪方法。本发明实施例所提供的基于局部敏感直方图改进的Staple目标跟踪方法通过引入局部敏感直方图的方式，有效地解决了现有Staple目标跟踪方法存在着跟踪单通道灰度图像效果较差的问题。