[发明专利]一种基于图像匹配与改进核相关滤波器结合的目标跟踪算法

说明书

本发明提供了一种基于图像匹配与改进核相关滤波器结合的目标跟踪算法，获取待跟踪视频序列与目标图片，利用改进的SIFT算法对跟踪视频序列第一帧与目标图片进行图像匹配以对相关滤波器进行初始化；利用相关滤波器对待跟踪视频序列进行目标跟踪。本发明即使在目标初始位置信息未知的情况下仍能进行跟踪，拓宽了目标跟踪的应用范围，提升了跟踪算法的精度与鲁棒性并最大程度上保证了速度。

技术领域

本发明涉及一种目标跟踪算法。

背景技术

目标跟踪是目前计算机视觉领域的热点研究方向之一，在军事、智慧城市等实际应用中有着重要的作用。随着人工智能技术的发展，在近十年里，目标跟踪算法也有着极大的进步。但仍存在一个巨大的挑战就是当面临复杂场景下的跟踪如严重遮挡、剧烈运动时，跟踪精度还是会受到一定的影响，目前并不存在一个方法能够完全应对这一挑战。目前主流跟踪算法以神经网络、CNN、相关滤波为主，通过提取CNN特征或者加入人工制作的特征并进行多种特征的融合再借助训练神经网络来进行目标定位与跟踪，这些算法都达到了较高的跟踪精度，但由于过程繁琐，需要合适的数据集且训练量较大也造成了实时性与跟踪速度上的不足。

发明内容

为了克服现有技术的不足，本发明提供一种基于图像匹配与改进核相关滤波器结合的目标跟踪算法，使用SIFT算法进行图像匹配从而进行核相关滤波器的初始化，通过引入APCE置信度与改进核相关滤波器相应的学习机制提升了核相关滤波器在复杂的跟踪场景如遮挡下的跟踪性能。

本发明解决其技术问题所采用的技术方案包括以下步骤：

步骤1，获取待跟踪视频序列与目标图片；

步骤2，利用改进的SIFT算法对跟踪视频序列第一帧与目标图片进行图像匹配以对相关滤波器进行初始化；

步骤3，利用相关滤波器对待跟踪视频序列进行目标跟踪。

所述的步骤1选取与视频序列中待跟踪目标满足设定相似度的一张目标图片。

所述的设定相似度是指目标图片与待跟踪视频序列第一帧的PSNR值大于30。

所述的步骤2使用SIFT算子将目标图片和待跟踪视频序列进行图像匹配，确定目标在第一帧中的位置，并将位置信息传入核相关滤波器中进行目标位置的初初始化。

所述的步骤3包括以下步骤：

(1)利用待跟踪视频序列中前一帧目标的位置以及特征信息来确定下一帧中目标的位置，并根据算法生成的响应图计算每一帧的APCE值，其中F_max是当前帧的响应最大值，F_min是当前帧的响应最小值，F_w,h为当前帧的响应图中任意位置处的响应值；

(2)计算从第一帧到当前帧的平均APCE值和平均响应最大值，分别记作mean_apce和mean_F_max；通过将判断当前帧的APCE值与当前帧中的响应最大值是否同时满足设定条件来判断目标此时跟踪是否发生丢失，设定条件公式为

(apce＞＝beta1×mean_acpe)(F_max＞＝beta2×mean_F_max)

其中apce为当前帧的APCE值，beta1与beta2为设定阈值；

(3)对满足条件的视频帧按KCF原始算法的更新策略进行模型的更新，更新策略为其中a代表岭回归系数，x代表目标的特征信息，a_p代表目标当前的岭回归系数，a_x代表当前帧要更新的岭回归系数，β为学习因子，在满足条件公式时取0.02，x_p代表目标当前的特征信息，x_x为当前帧要更新的特征信息；