[发明专利]一种基于自适应掩膜的相关滤波视觉目标跟踪方法

说明书

本发明公开了一种基于自适应掩膜的相关滤波视觉目标跟踪方法，本发明将通过将自适应掩膜引入相关滤波器目标函数，从而自适应地引入有利于跟踪的背景信息到过滤器中，并抑制相关性较差的信息；其次，对于边界框内的目标区域，对可靠区域赋予较高权重并抑制快速变化的区域，并在跟踪过程中，根据目标及其周围环境的变化来自适应地调整掩膜参数。在此基础上，提出一致性约束项，以促进自适应掩膜的鲁棒性，从而有效地集成前景和背景中特定信息，提高视觉目标跟踪的稳定性。

技术领域

本发明属于图像处理技术领域，具体涉及一种视觉目标跟踪方法。

背景技术

视觉目标跟踪是计算机视觉和视频分析中的重要研究问题，已广泛应用于交通监控、天文观测以及导航制导等诸多领域。视觉目标跟踪旨在给定任意目标的初始位置及大小的情况下，对后续帧中每一帧的目标位置进行估计。尽管近年来目标跟踪取得了明显的进步，但由于跟踪场景的复杂性，设计出能够在各类场景下准确区分目标与背景的跟踪器仍然是极具挑战的课题。

刘波等人在《自适应上下文感知相关滤波跟踪》(中国光学，2019,12-2,265-273)中利用卡尔曼滤波对目标运动状态进行估计，预测目标的运动方向，在训练相关滤波器时，对目标运动方向上的背景样本赋予较多的权重；在模型更新时引入一个遮挡判定指标，只有当该指标以一定比例大于历史均值时，才对目标模型进行更新，但该方法没有针对目标边界框内样本的权重进行自适应调整，导致训练出的滤波器系数的可靠性有限，难以满足快速变化目标的稳定跟踪。

发明内容

为了克服现有技术的不足，本发明提供了一种基于自适应掩膜的相关滤波视觉目标跟踪方法，本发明将通过将自适应掩膜引入相关滤波器目标函数，从而自适应地引入有利于跟踪的背景信息到过滤器中，并抑制相关性较差的信息；其次，对于边界框内的目标区域，对可靠区域赋予较高权重并抑制快速变化的区域，并在跟踪过程中，根据目标及其周围环境的变化来自适应地调整掩膜参数。在此基础上，提出一致性约束项，以促进自适应掩膜的鲁棒性，从而有效地集成前景和背景中特定信息，提高视觉目标跟踪的稳定性。

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：给定序列图像J_i，i＝1,2,…,n；J_i的第一帧为J₁，序列图像J_i中待跟踪目标在图像J₁中的初始最小外接矩形框为B₁，在图像J₁中以B₁为中心，裁剪出D倍B₁大小的图像R，并提取图像R的方向梯度直方图特征其中K为图像R的特征通道数，M_s×N_s为X的维度；将图像R的方向梯度直方图特征X作为输入训练样本；

步骤2：在线训练相关滤波器及自适应掩膜M_e×N_e为H和W的维度：

预定义高斯标签

定义训练损失函数：

式中，f_m(.)为相关滤波器H和输入训练样本X的主损失项，f_c(.)为约束自适应掩膜W的一致性正则项，为参考掩膜；f_p(.)为参数正则项；λ₁和λ₂分别为f_p和f_c的固定惩罚因子；

相关滤波器H和输入训练样本X的主损失项f_m定义为：