[发明专利]基于响应图置信区域自适应特征融合的相关滤波跟踪方法

说明书

本发明公开了一种基于响应图置信区域自适应特征融合的相关滤波跟踪方法，其特征在于，基于相关滤波跟踪框架，采用方向梯度直方图(HOG)和颜色直方图两种互补特征进行特征提取，并根据每个视频帧特定场景下响应图的置信区域自适应设置两种特征的融合参数。其根据每个视频帧的响应图置信区域自适应设置多特征的融合参数，以促进跟踪系统的稳定性。

技术领域

本发明涉及视频滤波跟踪方法领域，特别涉及一种基于响应图置信区域自适应特征融合的相关滤波跟踪方法。

背景技术

视频目标跟踪是计算机视觉领域的研究热点之一，其目的是为了在视频图像序列中估计目标的位置。该技术在视频监控、人机交互、机器人领域和无人驾驶汽车等众多应用中扮演着十分重要的角色。实时性和稳定性是实现目标跟踪系统的两大目标。卷积原理表明耗时的卷积运算在傅立叶变换域可以转换为元素点积运算。基于卷积原理的相关滤波技术被引入到目标跟踪中，其极高的处理速度满足了目标跟踪系统对实时性的要求。然而，由于复杂场景下光照变化、外观变形、局部遮挡、快速运动、运动模糊、背景相似等诸多因素的干扰，视频目标跟踪仍然是一项具有挑战性的任务。

特征提取是目标跟踪系统中至关重要的环节之一。为了应付各种复杂场景因素的干扰，多特征融合已成为实现特征提取的主流方法，多个特征融合的方式将影响到跟踪系统的稳定性。目前，基于多特征融合的主流相关滤波跟踪方法，大多采用固定权重方式实现多特征的融合。然而，在实际复杂场景中，目标表观和周围环境都在不断发生变化，固定权重融合方式无法适应每一视频帧的特定场景。

现有固定权重融合方式的不足之处：

目前，基于多特征融合的主流相关滤波跟踪方法，大多采用固定权重方式实现多特征的融合。以Staple跟踪方法为例，我们对其固定权重做了如下实验：

对特定视频序列采用不同固定权重比例进行融合，会产生不同的跟踪结果。对Shaking序列分别采用不同的固定融合权重进行跟踪，以颜色直方图分别采用0.3和0.2的情况为例。在第55帧光照变化较小的情况下，两种融合权重都能准确跟踪。然而，在第60帧跟踪目标遇到光照剧变的情况下，由于颜色直方图对光照剧变非常敏感，采用0.3的融合比例使得颜色直方图对融合后的响应图产生了较大累积影响，响应图呈现多峰状，最大响应值对应位置不再是目标的正确位置，进而导致跟踪失败。当颜色直方图的融合比例降为0.2时，第60帧光照剧变的情况下，融合后的响应图依然呈现单尖峰状，最大响应值对应位置仍然是跟踪目标的正确位置。

同一视频序列中，不同视频帧也具有不同的场景特点。当目标处于光照变化场景下，颜色直方图对光照敏感而HOG特征不敏感，可以增加HOG特征响应图的融合比例；当目标发生重度形变时，颜色直方图是全局特征，受到的影响非常小，而HOG特征响应图可信度会降低，此时可以增加颜色直方图的融合比例。

因此，针对实际复杂场景的目标跟踪系统中，由于目标和背景都在不断发生变化，固定权重融合方式，不仅难以统一适应不同的视频序列，也难以统一适应同一视频序列的不同视频帧。对于不同视频序列或同一视频序列的不同视频帧，应采用适用于特定场景的自适应融合方式实现多特征的融合。

根据上述情况，本发明将基于相关滤波跟踪框架，提出一种基于响应图置信区域实现多特征自适应融合的方法，以促进相关滤波跟踪系统的稳定性。

发明内容

针对现有固定权重融合方式的不足之处，本发明基于相关滤波跟踪框架，提出一种多特征自适应融合的方法，其根据每个视频帧的响应图置信区域自适应设置多特征的融合参数，以促进跟踪系统的稳定性。

为达到上述目的，本发明的技术方案为：

一种基于响应图置信区域自适应特征融合的相关滤波跟踪方法，基于相关滤波跟踪框架，采用方向梯度直方图(HOG)和颜色直方图两种互补特征进行特征提取，并根据每个视频帧特定场景下响应图的置信区域自适应设置两种特征的融合参数。