[发明专利]一种背景感知的相关滤波目标跟踪方法

说明书

本发明提供了一种背景感知的相关滤波目标跟踪方法，其特征在于：首先通过发掘大范围搜索范围内具有较高置信度的目标候选区，提取多组循环样本组后，由干扰物感知滤波器来进行滤波检测；滤波器执行双任务，从所有候选区中选择出最高置信度的候选区，并通过相关性回归在候选区上估计出一个初步目标位置。基于初步位置，使用基于标准相关滤波器的位置回归器来实现精细回归，获得精确目标位置。本发明方法的背景感知学习拓展了模型感知范围，并有针对性地抑制干扰区的响应；多锚点检测有效地拓展了目标搜索范围，提高了在快速运动、严重遮挡等情况下的跟踪成功率；渐进式目标搜索策略起到数据对齐效应，从而减轻了边缘效应影响。

技术领域

本发明涉及图像处理与分析技术领域，具体地说，涉及一种基于背景感知的相关滤波目标跟踪方法。

背景技术

目标跟踪长久以来都是图像分析领域一个重要的研究课题，在视频监控、人机交互、导航与无人设备等领域都有非常丰富的应用。近年来，伴随着视觉特征表达和统计机器学习的发展，目标跟踪算法的思路也发生了较大的变化。大体上可分为两类：一类是生成式，此类算法以最小化目标重构误差为准则建立模型，注重对目标外观进行有效建模，搜索目标时，根据已建立的目标外观模型寻找最高置信的样本。跟踪过程中，目标外观变化不定，难以得到全局统一的有效表达，同时该算法对背景判别能力弱，易受背景类似物严重干扰。一类是判别式，该算法主要是基于回归模型或“目标-背景”的二分类模型实现跟踪。其优化目标是学习目标与背景的差异。从搜索区以一定的采样策略获取候选样本，然后用训练好的判别器逐一检测并以检测分数最大的候选样本作为估计的当前帧目标。

基于相关滤波器的跟踪算法是今年来一类非常重要的判别式跟踪算法。其基于循环采样的岭回归模型，训练出来的相关滤波器相比之前的跟踪算法能够兼具高速度和优秀的跟踪能力。相关滤波跟踪虽然有多方面的优点，但也存在不少重要的缺陷。其中，最重要的一个缺点是边缘效应，极大的限制了相关滤波算法的性能。

除此之外，目标跟踪算法还面临目标外观突变，运动状态突变、复杂的视频场景、遮挡、暂时性离开视野等诸多难点与问题。

发明内容

本发明的目的在于克服现有技术中的缺点与不足，提供一种基于背景感知的相关滤波目标跟踪方法；该方法解决了在边缘效应的约束下，实现大范围、高效的目标搜索，并让滤波器学习更多背景样本，抑制干扰物的滤波响应，提出的渐进式目标搜索框架逐步对齐搜索区和训练区的分布，缓解了边缘效应，提升目标跟踪的精度和抗干扰能力。

为了达到上述目的，本发明通过下述技术方案予以实现：一种背景感知的相关滤波目标跟踪方法,其特征在于：包括如下步骤：

S1步，给定第一帧图像I₁和第一帧图像中目标位置p₁；提取训练区基础样本，计算出标准相关滤波器F_R；提取高置信度目标候选区的多组循环样本，并利用多组循环样本训练干扰物感知滤波器F_D；

S2步，输入下一帧图像作为当前帧，在大范围的搜索区内寻找目标相似物，得到具有高置信度的目标候选区W；

S3步，在目标候选区W中以多个目标相似物中心为锚点，提取多组循环样本组，使用干扰物感知滤波器F_D进行滤波检测，得到初步目标位置P_C；

S4步，基于初步位置P_C，使用基于标准相关滤波器F_R的位置回归器F_R来实现精细回归，获得精确的目标位置P_R；

S5步，判断当前帧是否为最后一帧图像：若是，则结束；否则跳至S2步。

优选地，在所述S1步中，标准相关滤波器F_R的数学解为：