[发明专利]一种基于核相关滤波的尺度自适应目标跟踪算法

说明书

本发明公开了一种基于核相关滤波的尺度自适应目标跟踪算法，属于计算机视觉领域。包括：选取第一帧待跟踪目标，确定为候选区域；提取候选区域的梯度方向直方图（HOG）特征，进行余弦加权；用KCF算法将候选区域进行循环移位产生训练样本，根据样本训练得到的位置滤波器与候选样本提取的HOG特征在频域中计算得出响应值，更新当前帧目标位置；以上一帧确定的目标位置为中心，得到尺度滤波器并计算得出响应值，将最大响应值对应的尺度作为当前帧的目标尺度；重新提取样本训练滤波器，以线性内插的方式更新位置滤波器和尺度滤波器，进行后续帧的跟踪；本发明可应用于智能视频监控，企业生产自动化和智能机器人等领域。

技术领域

本发明涉及视频目标跟踪，属于计算机视觉领域，尤其涉及一种基于核相关滤波的尺度自适应目标跟踪算法。

背景技术

目标跟踪是计算机视觉领域重要的研究方向之一，其在公共安全监控和管理、医学图像分析、行为理解、视觉导航等方面有着广泛的应用。目前国内外学者主要关注的问题集中在相似目标干扰、目标尺度变化、外观模糊、遮挡以及实际应用中目标跟踪系统实时性等情况下的跟踪鲁棒性，准确性提高上。

近些年来，基于相关滤波器的目标跟踪算法开始崛起，由于其高效的计算效率，正逐渐显示出优越的性能。BolmeD等在Computer Vision and Pattern Recognition(2010:2544-2550)发表的文章“Visual object tracking using adaptive correlationfilters”中最早将相关滤波用于目标跟踪，并基于灰度特征，提出了误差最小平方和滤波器(Minimum Output Sum of Squared Error Filter，MOSSE)，速度高达669fps，满足系统实时性要求。Henriques J等在Computer Vision(2012:702-715)发表的文章“Exploitingthe circulant structure of tracking-by-detection withkernelsfilters”中，在MOSSE基础上引入了循环矩阵和核的概念，提出了基于核的检测-跟踪循环结构跟踪(Circulant Structure of tracking-by-detection with Kernels，CSK)算法，虽然速度有所下降，但是精度上相比MOSSE有了很大提升。Henriques JF等在PatternAnalysis and Machine Intelligence(2015,37(3):583-596)发表的文章“High-speedtracking with kernelized correlation filters”中在CSK基础上采用HOG(Histogramof Oriented Gradients，HOG)特征，并将单通道转化为多通道，提出了核相关滤波器(kernelized correlation filters,KCF)目标跟踪算法，极大的提高了跟踪精度。

然而，上述三种算法由于主要致力于目标位置估计性能的提高，在目标尺度发生较大变化时易发生跟踪漂移。针对该问题，Martin D等在Pattern Analysis and MachineIntelligence(2017,39(3):1561-1575)发表的文章“Discriminative scale spacetracking”中提出了判别尺度空间跟踪方法，有效提高了尺度自适应性能，由于该跟踪算法的计算速度较低，难以满足跟踪系统的实时性要求。

根据以上我们分析，1)传统的KCF跟踪算法，矩形跟踪框的大小在第一帧开始就被固定了，由于KCF有较高的速度优势，如果可以在KCF跟踪的框架上增加尺度估计部分，能够在保证跟踪速度的基础上实现尺度自适应；2)DSST跟踪算法设计了两个相互独立的相关滤波器，分别实现目标跟踪和尺度估计，可以选择不同的特征种类和特征计算方式来训练和测试，因此可以将尺度估计部分融入到任意跟踪算法中；3)如果将KCF算法与DSST算法进行有效融合，则可以在实现目标尺度自适应的同时，保证跟踪系统的实时性要求。

发明内容