[发明专利]基于相似度度量的模型漂移抑制方法及其装置

说明书

本申请公开了一种基于相似度度量的模型漂移抑制方法及其装置，该方法包括以下步骤：步骤S100：根据初始化帧得到相关滤波跟踪算法中参数；步骤S200：对初始化帧中的目标位置和目标尺度进行采样，提取初始目标特征，提取跟踪t时间后，第i帧图像中框选目标的特征，计算框选目标与初始目标的相似度，进行相似度判断；步骤S300：如果更新目标集，则根据更新阈值β对训练模型进行更新。该方法设定固定数量的目标集，将跟踪过程中跟踪算法获得的目标块，经相似度度量判断后，确定是否更新目标集和模型，从而避免由于模板更新导致的模型漂移现象的发生。本发明的又一方面还提供了一种基于相似度度量的模型漂移抑制的装置。

技术领域

本申请涉及一种基于相似度度量的模型漂移抑制方法及其装置，属于计算机视觉领域。

背景技术

目标跟踪是计算机视觉问题中的研究热点之一，在视频监控、无人机等领域有着非常广泛的应用。一般目标跟踪是仅在其初始状态下，估计视频中目标的轨迹的问题。最近，相关滤波理论由于其高效性和鲁棒性，被用于目标跟踪领域中，极大地推动了目标跟踪的发展。在目标跟踪过程中，可视化跟踪基准(Visual Tracker Benchmark)序列集中包含了11种属性，表示视觉跟踪中的可视化目标的轨迹。

模板漂移现象是指：在目标跟踪过程中，由于不断进行模板更新，目标会逐渐移出模板，而背景物体则逐渐占据整个模板的现象。

目标物体被遮挡、目标物体不在视野中等属性是导致模型漂移的重要因素。虽然研究人员已就相关滤波跟踪算法进行了较多改进，但对于模型漂移问题，仍然主要通过特征表征等手段进行校正，所用特征如方向梯度直方图(HOG)、颜色属性(CN)和深度特征。

现有的相关滤波跟踪算法，对于模型漂移现象均无法较好的避免。

发明内容

根据本申请的一个方面，提供了一种基于相似度度量的模型漂移抑制方法，该方法设定固定数量的目标集，将跟踪过程中跟踪算法获得的目标块，经相似度度量判断后，确定是否更新目标集和模型，从而避免由于模板更新导致的模型漂移现象的发生。

所述基于相似度度量的模型漂移抑制方法，其特征在于，包括以下步骤：

步骤S100：设定目标集中所含目标数量，并将初始化帧中目标放入目标集中并填满所述目标集；

步骤S200：提取跟踪t时间后第i帧图像中框选目标的特征，计算框选目标与目标集中目标块的相似度，根据所述相似度判断第i帧图像中框选目标样本是否放入目标集中，如果放入则输出更新阈值进行目标集更新；

步骤S300：如果更新目标集，则根据更新阈值对训练模型进行更新，否则不更新所述训练模型。

可选地，所述相关滤波跟踪算法中包括尺度估计步骤时，所述步骤S200中还包括将第i帧图像中框选目标缩放到初始化目标尺度后，对第i帧图像中框选目标进行特征提取步骤。

可选地，所述目标集更新策略为先进先出更新策略。

可选地，所述步骤S300中按

对训练模型参数进行更新，

其中，为初始化帧滤波器模型参数，为跟踪t-1时刻下滤波器模型参数，为跟踪t时刻下滤波器模型参数。为跟踪t-1时刻下目标外观模型参数，为初始化帧目标外观模型参数，为跟踪t时刻下目标外观模型参数，β为更新阈值，μ为训练模型学习率。

可选地，所述步骤S200包括以下步骤：

步骤S210：判断第i帧跟踪图像框选目标样本和与目标集中各目标块的相似度是否大于等于0.9，如果大于等于0.9则不更新目标集中，并设置更新阈值β＝1；