[发明专利]基于分布场特征的目标跟踪方法

说明书

本发明公开了一种基于分布场特征的目标跟踪方法，主要解决当光照变化、目标发生遮挡、目标超出视野导致跟踪失败的跟踪问题。本发明实现的步骤如下：(1)确定运动待跟踪目标的初始位置；(2)构建分布场特征；(3)训练位移滤波器；(4)预测当前帧视频图像待跟踪目标位置；(5)利用标准无参数对冲方法计算分布场特征每一级的权值；(6)判断是否选取完所有的视频帧图像，若是，则执行步骤(7)，否则，执行步骤(2)；(7)结束对运动待跟踪目标的跟踪。本发明通过基于分布场特征的目标跟踪方法，能够利用利用标准无参数对冲方法更新分布场特征每一级的权值，预测待跟踪目标位置和大小。

技术领域

本发明属于计算机技术领域，更进一步涉及计算机视觉技术领域中的一种基于分布场特征的运动目标跟踪方法。本发明可用于对视频监控、机器人导航和定位、无人驾驶机获取的视频序列中的运动目标进行跟踪。

背景技术

运动目标跟踪的主要任务是，从连续的视频图像序列中检测出运动目标，进而在每一帧图像中确定出运动目标的位置。随着人们对计算机视觉领域的不断深入认识，运动目标跟踪在该领域得到广泛应用和发展，目前已经存在大量的跟踪算法来实现运动目标跟踪。但是，由于遮挡、背景杂乱、外观形变、光照变化、视角变化等客观因素的影响，使得准确地跟踪目标仍然面临极大挑战。

华南理工大学在其申请的专利文献“一种基于多特征判别学习的实时目标跟踪方法”(专利申请号2017107885531，公开号107798686A)中公开了一种基于多特征判别学习的实时目标跟踪方法。该方法实现的具体步骤是，(1)获取视频中的灰度视频帧，使用Cross-bin分布场特征描述跟踪目标的亮度属性；(2)使用增强梯度直方图特征EHOG对跟踪目标的纹理多样性进行建模；(3)通过视频的彩色视频帧，提取颜色特征CN来保持颜色一致性；(4)将步骤1)、2)、3)中得到的多维度特征通过希尔伯特空间映射投影到高维特征空间，获得内积映射；(5)将得到的置信图放入到CSK框架中进行跟踪，找到跟踪目标位置，然后更新模板进行目标追踪。该方法存在的不足之处是，该方法仅针对跟踪目标的亮度、纹理和颜色提取特征，当跟踪目标尺度发生变化时，更新模板尺度固定，导致每一帧目标跟踪位置不准确，造成难以修正的漂移，当目标发生形变、目标快速运动时无法实现长期准确地跟踪。

中国人民解放军理工大学在其申请的专利文献“一种尺度自适应的相关滤波对冲目标跟踪方法”(专利申请号2017100639095，公开号107016689A)中公开了一种尺度自适应的相关滤波对冲目标跟踪方法。该方法实现的具体步骤是，(1)确定视频帧中的待跟踪目标的初始位置和初始尺度，以初始位置为中心，利用深度卷积神经网络分别提取不同层的卷积特征图；(2)对每一层提取的卷积特征图，利用核相关滤波跟踪方法进行跟踪得到跟踪结果；(3)利用自适应对冲算法将所有的跟踪结果组合得到一个最终跟踪结果，作为待跟踪目标的最终位置，以定位视频帧中待跟踪目标；(4)获得待跟踪目标的最终位置后，利用尺度金字塔策略估计待跟踪目标的最终尺度；(5)得到的待跟踪目标的最终位置和最终尺度后，以最终位置为中心，根据最终尺度提取所述待跟踪目标图像块，来重新训练每个核相关滤波跟踪方法，以更新系数和模板。该方法存在的不足之处是，因为该方法先获得待跟踪目标的最终位置再估计待跟踪目标的最终尺度，从而当目标尺度发生变化时，导致每一帧目标跟踪位置不准确，当目标发生形变、遮挡时无法实现准确地跟踪。

发明内容

本发明的目的是针对上述现有技术的不足，提出一种基于分布场特征的目标跟踪方法，以实现当光照变化、目标发生遮挡、目标超出视野时对目标进行准确、有效地跟踪。

实现本发明目的的思路是，确定运动待跟踪目标的初始位置；利用分布场特征提取方法，构建当前帧视频图像的分布场特征；生成相关滤波器模型；预测当前帧视频图像待跟踪目标位置；利用标准无参数对冲方法计算分布场特征每一级的权值；选取完所有的视频帧图像结束对运动待跟踪目标的跟踪。提取待跟踪目标的分布场特征；利用标准无参数对冲方法更新分布场特征每一级的权值；

本发明的具体步骤如下：

(1)确定运动待跟踪目标的初始位置：