[发明专利]一种适应大尺度形变的单目标快速跟踪定位方法

说明书

本发明涉及一种适应大尺度形变的单目标快速跟踪定位方法，包括以下步骤：模板匹配，确定目标模板图像的坐标和大小，用当前帧图像与目标模板图像做循环卷积并用岭回归方法求得目标响应矩阵，响应矩阵最大值处作为粗略目标坐标；运动检测，前后帧图像匹配，获取视角晃动参数，并求得差分图；统计差分图获取运动检测输出坐标；以所述运动检测输出坐标校正所述粗略目标坐标，得到精确目标坐标；模板更新，以所述精确目标坐标更新目标模板，更新岭回归参数；本发明可以快速准确地跟踪既定目标位置，且适用于目标形状有大尺度变化的场景中，有很好的鲁棒性，可应用于拍摄自动对焦、监控视频目标锁定等场景中。

技术领域

本发明属于视频信号处理技术领域，具体涉及一种适应大尺度形变的但目标快速跟踪定位方法。

背景技术

目标跟踪是计算机视觉中的一个重要研究方向。它在人机交互、机器识别和人工智能等领域有着广泛的应用。

在目标跟踪领域，目标形状的变化一直是一个难题。现有的方法大都是在首帧建立标准模板，在后帧中以此做模板匹配求得目标位置。但一旦在跟踪过程中目标发生形变(如拍摄角度变化，人体的翻转等)，模板匹配很可能会失效。

而形状的变化必然意味着目标所在处像素发生了剧烈改变，因此，十分适合运动检测来探测目标。

发明内容

为了解决现有技术中存在的目标发生形变后，模板匹配失效的技术问题，本发明提供了以下技术方案：

一种适应大尺度形变的单目标快速跟踪定位方法，包括以下步骤：

步骤1、模板匹配，确定目标模板图像的坐标和大小，用当前帧图像与目标模板图像做循环卷积并用岭回归方法求得目标响应矩阵，响应矩阵最大值处作为粗略目标坐标；

步骤2、运动检测，

步骤2.1、前后帧图像匹配，获取视角晃动参数，并求得差分图；

步骤2.2、统计差分图获取运动检测输出坐标；

步骤2.3、以所述运动检测输出坐标校正所述粗略目标坐标，得到精确目标坐标；

步骤3、模板更新，以所述精确目标坐标更新目标模板，更新岭回归参数。

作为本发明的进一步说明，所述步骤1中当前帧图像与目标模板图像的循环卷积矩阵为，

设目标模板图像为z，当前帧图像为img，上式中||img||为img的范数，||z||为z的范数，FFT和IFFT分别代表图像的二维快速傅里叶变换与反变换，为FFT(z)的共轭，σ为高斯核方法的标准差；

所述目标响应矩阵为，

R＝IFFT(FFT(K)·FFT(γ))

上式中γ为岭回归参数矩阵，R即为目标响应矩阵，其中最高峰的位置即为粗略目标坐标，表示为[x_t,y_t]。

作为本发明的进一步说明，所述步骤2.1中晃动参数的预测方法为，

上式中θ＝[α,β,ε]为晃动参数，α为上下晃动的参数，β为左右晃动的参数，ε是镜头缩放参数，Ic即为当前帧图像，Ip为上一帧图像，Z(Ip,ε)是将当前帧以参数ε缩放后的图像；

前后帧图像的差分图为，

上式中D是差分图。

作为本发明的进一步说明，所述步骤2.2中运动检测输出坐标为，