[发明专利]一种复杂场景下尺度自适应的目标跟踪方法和系统

说明书

本发明公开了一种复杂场景下尺度自适应的目标跟踪方法和系统，该方法包括：对首帧图像进行目标特征检测，获取待跟踪目标特征；并对两种跟踪方法所对应的目标模板和分类器参数矩阵分别进行初始化；在基于核相关滤波跟踪法的跟踪过程中，确定核相关滤波跟踪结果；在基于特征检测跟踪法的过程中，确定特征检测跟踪结果；对核相关滤波跟踪结果和特征检测跟踪结果进行数据融合，得到融合结果，根据融合结果，对目标形心进行跟踪。本发明解决了常规核相关跟踪算法在目标面积剧烈变化时跟踪形心偏移的问题，具有实时性好、跟踪精度高、鲁棒性强的优点。

技术领域

本发明属于红外制导导弹的目标跟踪技术领域，尤其涉及一种复杂场景下尺度自适应的目标跟踪方法和系统。

背景技术

复杂地物场景下的目标跟踪一直都是一个重要的研究课题和研究热点，经过20多年的发展，目标跟踪技术理论已经取得较大发展，从早期的以均值漂移和粒子滤波为代表的跟踪方法，经过基于稀疏表示的跟踪方法作为过渡，目前主流的目标跟踪方法分为基于相关滤波的方法和基于深度学习的方法。

由于深度神经网络强大的特征学习能力，基于深度学习的目标跟踪方法逐渐展现出鲁棒的跟踪性能，但是这类方法计算量大，算法跟踪效率降低，不能满足实时性要求，而且对硬件资源要求高，不适合在工程产品中进行应用；另一方面，基于相关滤波的方法属于判别式跟踪方法，其中，核相关跟踪算法是典型方法之一，通过引入循环结构并给出了一种密集采样策略，使用当前帧的目标图像块来训练一个(跟踪目标与非跟踪目标)二类分类器，利用循环矩阵以及核函数对其进行求解，从而得到核相关滤波器，然后使用该分类器作用于下一帧图像，最后通过计算核相关滤波器响应的最大值来确定目标位置，从而实现目标跟踪。判别式方法因为显著区分背景和前景的信息，判别能力强，目前在目标跟踪领域占据主流地位。

但常规的核相关跟踪方法仍存在一些缺陷，如在尺度变化、光照变化、运动模糊、目标变形、目标遮挡等情况，跟踪效果不佳。

发明内容

本发明的技术解决问题：克服现有技术的不足，提供一种复杂场景下尺度自适应的目标跟踪方法和系统，解决了常规核相关跟踪算法在目标面积剧烈变化时跟踪形心偏移的问题，具有实时性好、跟踪精度高、鲁棒性强的优点。

为了解决上述技术问题，本发明公开了一种复杂场景下尺度自适应的目标跟踪方法，包括：

对首帧图像进行目标特征检测，获取待跟踪目标特征；并对两种跟踪方法所对应的目标模板和分类器参数矩阵分别进行初始化；其中，两种跟踪方法，包括：基于核相关滤波跟踪法和基于特征检测跟踪法；

在基于核相关滤波跟踪法的跟踪过程中，比较多尺度候选区域的核相关响应值，确定最大响应值的跟踪区域位置和大小；使用最大响应值的跟踪区域位置和大小，对初始化后的目标模板和分类器参数矩阵进行更新，确定核相关滤波跟踪结果；

在基于特征检测跟踪法的过程中，通过最稳定极值区域法检测得到候选目标，将每个候选目标分别与目标模板在频域内进行相关；从相关结果中筛选得到响应值最高的候选目标区域位置和大小，确定特征检测跟踪结果；

对核相关滤波跟踪结果和特征检测跟踪结果进行数据融合，得到融合结果，根据融合结果，对目标形心进行跟踪。

优选的，对首帧图像进行目标特征检测，获取待跟踪目标特征，包括：

确定输入的视频的首帧图像；

对首帧图像进行框选，得到包含待跟踪目标的矩形区域；

采用最稳定极值区域法对矩形区域进行目标检测，得到若干候选目标；

通过最近邻法标记距离矩形区域的中心最近的候选目标，并获取标记的候选目标的形心和半径，将标记的候选目标的形心和半径对应的区域确定为待跟踪目标区域；

对待跟踪目标区域进行灰度特征或梯度方向直方图特征提取，得到待跟踪目标特征。