[发明专利]基于判别式尺度空间跟踪算法的相关滤波自适应方法

说明书

本发明公开了一种基于判别式尺度空间跟踪算法的相关滤波自适应方法，包括确定初始目标位置以及初始目标尺度；对通过最小化均方误差和对位置滤波器和尺度滤波器系数完成初始化；以目标上一帧位置为中心，求解最大响应值作为当前目标位置，并对相邻两帧目标位置差进行更新；以目标新位置为中心，提取不同尺度下的样本，求解最大响应值作为当前目标尺度；根据学习速率对位置滤波器和尺度滤波器进行迭代更新，得到目标的跟踪图像集。本发明有效提高了原跟踪算法的精确度和成功率，能够有效实时跟踪大多数图像序列中的目标。

技术领域

本发明属于目标图像跟踪技术，具体为一种基于判别式尺度空间跟踪算法的相关滤波自适应方法。

背景技术

计算机视觉是近十年里炙手可热的新兴学科，目标跟踪作为其研究的基本问题,在自动驾驶、无人机、人机交互、安防监控等方面中有着巨大的学术价值和广泛的应用前景。尽管目标跟踪相关技术每年都在革新,相关算法在性能优化方面依然存在需求，现阶段研究人员仍然面临着许多挑战,如光照变化、尺度变化、部分遮挡、快速运动等。近年来，由于判别类方法在模型的建立时能够将背景信息与目标信息进行区分，具有更高的鲁棒性，目前已经成为目标跟踪的主流，包括了相关滤波、深度学习等方法。

近年来判别类方法逐渐成为目标跟踪的主流，主要包括相关滤波方法、深度学习方法等。判别式尺度空间目标跟踪算法(Discriminant Scale Space Target trackingalgorithm，DSST)是相关滤波算法中的代表算法之一，基于MOSSE做了改进和拓展，实现了快速且准确的目标尺度评估，算法的总体效果表现十分不俗，然而在面对跟踪难度较大的目标时仍稍显乏力，算法性能有待进一步提升。

发明内容

本发明的目的在于提出了一种基于判别式尺度空间跟踪算法的相关滤波自适应方法，以解决原算法尺度滤波器中的学习因子采用定值、无法较好适应目标跟踪对象尺度与位置变化的问题。

实现本发明目的的技术解决方案为：一种基于判别式尺度空间跟踪算法的相关滤波自适应方法，具体步骤为：

步骤1，读取首帧图像，获取初始目标位置以及初始目标尺度；

步骤2，对首帧图像进行HOG特征提取，得到具有d维特征描述的子图像特征和其对应的滤波器高斯输出，通过最小化均方误差和对相关滤波器系数完成初始化，所述相关滤波器包括位置滤波器和尺度滤波器；

步骤3，读取第t帧图像，以上一帧图像中目标位置为中心，采集一个尺寸为目标2倍大小的样本，求解位置滤波器最大响应值作为当前目标位置；

步骤4，以当前目标位置为中心，提不同尺度下的样本，求解尺度滤波器最大响应值作为当前目标尺度，并对相邻两帧目标位置差进行更新；

步骤5，分别提取位置滤波器训练样本和尺度滤波器训练样本，更新该帧下的高斯输出和学习速率，完成位置滤波器和尺度滤波器的更新；

步骤6，循环步骤3-5，当没有下一帧图像可输入时得到目标的跟踪图像集。

优选地，步骤1中将首帧图像中目标的位置和尺度作为初始目标位置和初始目标尺度。

优选地，步骤2对相关滤波器系数完成初始化的具体方法为：

步骤2.1，对首帧图像进行HOG特征提取，得到具有d维特征描述的子图像特征f₁,f₂,...,f_d，和其对应的滤波器高斯输出g₁,g₂,...,g_d，对子图像特征和滤波器高斯输出分别进行傅里叶变换得到F¹,F²,...,F^d和G₁,G₂,...,G_d；