[发明专利]一种基于背景感知的尺度自适应核相关滤波跟踪方法

说明书

本发明公开了一种基于背景感知的尺度自适应核相关滤波跟踪方法，涉及目标跟踪技术领域，包括如下步骤：首先，根据给定目标信息建立背景感知的核相关平移滤波器跟踪模型；然后，在预测平移位置的基础上添加额外的一维尺度滤波器，快速精准预测目标的尺度变化。该基于背景感知的尺度自适应核相关滤波跟踪方法，在基于背景感知的核相关滤波器基础上添加一维的尺度自适应滤波器，在解决相关滤波器边界效应的基础上，可以精准快速预测目标的位置及尺度变化；该方法在复杂跟踪场景下有很好的适应性。

技术领域

本发明涉及一种目标跟踪技术，特别涉及一种基于背景感知的尺度自适应核相关滤波跟踪方法。

背景技术

由于近几年计算机硬件的迅速发展，相关算法不断提出，相关滤波类视觉跟踪算法取得大量优秀的成果，被广泛运用到视频检测、智能驾驶、智能跟踪等领域。但是由于是视觉跟踪的复杂性，现有的相关滤波类跟踪算法仍旧难以应对跟踪过程中所有情况，包括目标形变、尺度变化、背景相似等。阻碍跟踪器性能提升的难点主要包括特征图谱的不完善性、相关滤波存在的边界效应、不能及时精准预测目标尺度变化等。

发明内容

(一)解决的技术问题

基于以上技术背景，本发明利用BACF算法体提出的裁剪矩阵概念，可以有效解决相关滤波类算法中存在的边界效应，极大提升跟踪器的鲁棒性。同时本发明在此基础上添加额外的一维尺度自适应滤波器，可以精准快速预测目标的尺度变化。

(二)技术方案

为解决上述技术问题，本发明采用如下技术方案：

一种基于背景感知的尺度自适应核相关滤波跟踪方法，包括：

步骤一：图像预处理，对图像进行直方图均衡化处理，减小光照变化的影响。

步骤二：获取初始帧数据以及目标信息，包括目标区域左上角坐标(x,y)，目标宽w和高h。

步骤三：提取目标区域的特征图谱，获取目标区域快速梯度直方图特征(FastHistogram of Oriented Gradient,FHOG)作为目标的特征图谱，用表示，下标j代表第j个训练样本，上标k代表第k个训练样本，K代表共K维特征。

步骤四:建立基于背景感知的核相关滤波跟踪模型，消除边界效应，精准预测目标位置，利用背景感知的核相关滤波跟踪模型消除相关滤波的边界效应，预测目标的平移位置。背景感知的核相关滤波器h通过最小化期望输出与滤波器实际响应输出损失函数求得，损失函数如下式所示：

上式P表示D×T二值矩阵，D表示原始目标矢量化单通道特征维度大小，T表示目标区域扩充后单通道的维度；λ表示正则化常数；[Δτ_j]代表特征图谱x_k第j次循环移位操作，y(j)代表期望输出y的第j个元素，上标T代表转置操作。

通过转移上式到复频域，可以快速求解，转换公式如下：

上式上标∧表示快速傅里叶变换，运算符表示为克罗内克积，I_K为K×K的单位矩阵，F为T×T的傅里叶变换系数矩阵。

步骤五:建立一维尺度自适应滤波器预测目标尺度变化，在步骤四预测平移位置后，通过添加尺一维尺度自适应滤波器预测目标的尺度变化。通过最小化尺度滤波器h_s响应输出与对应期望输出g_s的损失函数，可以求得最优尺度滤波器h_s，损失函数定义如下：

上式*为相关运算符，λ_s为正则项常数，通过频域投影可得h_s在频域的解为：