[发明专利]基于领域搜索策略的抗遮挡相关滤波跟踪方法

说明书

一种基于领域搜索策略的抗遮挡相关滤波跟踪方法，通过鲁棒视觉跟踪算法以解决目标出现遮抗的问题，结合连续响应值、峰值旁瓣比和目标位移差的遮挡标准，能够用于检测潜在的可靠目标。当遮挡判据被触发时，执行重新检测机制并命令跟踪器停止，然后重检测器选择最可靠的跟踪目标以重新初始化跟踪器。

技术领域

本发明涉及的是一种图像处理领域的技术，具体是一种基于领域搜索策略的抗遮挡相关滤波跟踪方法。

背景技术

目标跟踪是计算机视觉领域的研究热点之一。近年来，相关滤波器被引入判别跟踪框架，并取得了良好的效果，常用的相关滤波器包括平方误差最小输出MOOSE(MinimumOutput Sum of Squared Error)滤波器，其将相关运算引入到目标跟踪中，并通过空间域卷积成为傅立叶域的Hadamard积的理论大大加速了计算。在此之后，核检测跟踪循环结构CSK(Circulant Structure of tracking-by-detection with Kernels)算法采用循环矩阵来增加样本数量，从而提升了分类器效果。作为对CSK的扩展，定向梯度特征、高斯核和岭回归被用于核相关滤波器KCF(Kernelized Correlation Filters)。针对目标的尺度变化，识别尺度空间跟踪DSST(Discriminative scale space tracking)通过尺度金字塔学习相关滤波器解决了尺度估计的问题。长期相关跟踪LCT(Long-term Correlation Tracking)包括外观和运动的相关滤波器，以估计目标的比例和平移。受人类识别模型的启发，Choi提出了ACFN算法(Attentional feature-based Correlation Filter)来跟踪快速变化的目标。

但现有的跟踪器均没有很好地解决目标遮挡问题或者仅仅针对目标的部分遮挡(目标遮挡面积小于等于目标总面积50％)和短时全遮挡，并且现有的遮挡判据并不能很好的与跟踪算法进行融合，在很多时候遮挡判据会出现错误判断，这严重影响了跟踪器的性能。

发明内容

本发明针对现有技术存在的上述不足，提出一种基于领域搜索策略的抗遮挡相关滤波跟踪方法，通过鲁棒视觉跟踪算法以解决目标出现遮抗的问题，结合连续响应值、峰值旁瓣比(peak to sidelobe ratio，PSR)和目标位移差的遮挡标准，能够用于检测潜在的可靠目标。当遮挡判据被触发时，执行重新检测机制并命令跟踪器停止，然后重检测器选择最可靠的跟踪目标以重新初始化跟踪器。

本发明是通过以下技术方案实现的：

本发明根据待跟踪目标的第二帧的目标响应值和面积比率首先将目标进行分类，然后判断当相邻五帧的目标响应值、目标的位移差以及峰值旁瓣比满足遮挡判据时，通过相关滤波器记录目标所在图像中的坐标位置，并启动基于相邻区域搜索策略的重检测机制检测潜在的目标，采用与目标框尺寸相同的滑动窗口对后续输入的每帧图像在所述目标所在图像中的坐标位置的周围区域进行循环移位并提取窗口内的图像特征，然后对每个滑动窗口进行相关滤波以得到每个窗口所对应的响应值，最后通过阈值判断最大的响应值得到滑动窗口内包含目标并输出该滑动窗的坐标位置以重新初始化跟踪器的结论。

本发明涉及一种实现上述方法的系统，包括：图像输入模块、跟踪器模块、重检测器模块、输出模块以及目标模版更新模块，其中：图像输入模块与跟踪器模块相连并传输图像的目标框的位置和宽高信息，跟踪器模块与重检测器模块相连并传输目标信息，跟踪器模块与输出模块相连并传输图像、目标框的位置和宽高信息，重新检测器模块与输出模块相连并传输图像、目标框的位置和宽高信息，重新检测器模块与跟踪器模块相连并传输图像、目标框的位置和宽高信息，目标模版更新模块与跟踪器模块和重检测器模块相连以对目标的模版进行更新。

技术效果