[发明专利]利用深度数据构建约束相关滤波器的视觉跟踪方法、系统

说明书

本发明公开了一种利用深度数据构建约束相关滤波器的视觉跟踪方法、系统。该视觉跟踪方法包括步骤：S1，对当前深度图像帧中估计的目标位置处的深度数据进行深度目标分割，获取目标空间信息；S2，对当前彩色图像帧中估计的目标位置处的彩色数据提取特征向量；S3，根据目标空间信息构建高斯型回归标签函数；S4，利用目标空间信息和当前彩色图像帧中提取的特征向量以及高斯型回归标签函数构建空间约束相关滤波器；S5，对下一帧彩色图像在搜索窗内的彩色数据进行特征提取获得特征向量，根据下一帧彩色图像中提取的特征向量和空间约束相关滤波器计算目标相关响应；S6，根据目标相关响应中的最大响应的位置确定下一帧彩色图像的目标位置。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种利用深度数据构建约束相关滤波器的视觉跟踪方法、系统。

背景技术

视觉跟踪广泛应用于人工智能、交通、安防、机器人、智能仓储等领域，是实现智能化、无人化的重要方法和途径。利用视觉跟踪方法可以获取目标的位置、速度、轨迹等信息，通过这些信息可以完成更加高级的行为识别，进而更好的为生产和生活服务。

近年来，视觉跟踪领域广泛采用相关滤波的方法实现目标模型在频域的高效学习和检测，但是相关滤波的方法严重受限于边缘效应和固定的目标形状而无法进一步提升跟踪性能，严重限制了视觉跟踪的应用场景，给视觉跟踪的实际应用带来很大的障碍。

相关滤波方法引入了边缘效应，导致只有搜索窗中心位置的相关滤波器响应是准确的，这降低了搜索范围；并且相关滤波器采用固定尺寸的滤波器模板，要求目标必须是固定尺寸的矩形形状，非矩形目标会引入背景信息从而降低判别能力，训练的滤波器与待检测的模板必须是相同大小，限制了算法的应用范围。

发明内容

本发明所要解决的技术问题在于提供一种能够适应任意形状的目标和能够克服边缘效应的利用深度数据构建约束相关滤波器的视觉跟踪方法、系统。

为解决上述技术问题，本发明采用如下所述的技术方案：

一种利用深度数据构建约束相关滤波器的视觉跟踪方法，其特征在于，所述视觉跟踪方法包括如下步骤：

S1，对当前深度图像帧中估计的目标位置处的深度数据进行深度目标分割，获取目标空间信息；

S2，对当前彩色图像帧中估计的目标位置处的彩色数据进行特征提取，获得特征向量；

S3，根据目标空间信息构建高斯型回归标签函数；

S4，利用目标空间信息和当前彩色图像帧中提取的特征向量以及高斯型回归标签函数构建空间约束相关滤波器；

S5，对下一帧彩色图像在搜索窗内的彩色数据进行特征提取获得特征向量，根据下一帧彩色图像中提取的特征向量和空间约束相关滤波器计算目标相关响应；

S6，根据目标相关响应中的最大响应的位置确定下一帧彩色图像的目标位置。

优选地，所述步骤S6之前还包括：

根据当前彩色图像帧中提取的特征向量计算各特征通道的贡献；

根据各特征通道的相关响应计算各特征通道的独特性；

根据特征通道的贡献和特征通道的独特性计算各特征通道的权重；

利用特征通道的权重对各特征通道的相关响应进行加权运算得到目标的相关响应。

优选地，所述步骤S6之后还包括：

采取学习方法对空间约束相关滤波器进行更新；

利用所述步骤S5-S6中的方法根据所述更新后的空间约束相关滤波器确定下下帧彩色图像的目标位置。

优选地，所述目标空间信息包括形状和深度分布直方图。