[发明专利]基于自适应正则特征联合时间关联的相关滤波跟踪方法在审

专利信息
申请号: 202110214541.4 申请日: 2021-02-26
公开(公告)号: CN112819865A 公开(公告)日: 2021-05-18
发明(设计)人: 刘龙;惠志轩;杨尚其 申请(专利权)人: 西安理工大学
主分类号: G06T7/262 分类号: G06T7/262;G06T7/246
代理公司: 西安弘理专利事务所 61214 代理人: 曾庆喜
地址: 710048 陕*** 国省代码: 陕西;61
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 自适应 正则 特征 联合 时间 关联 相关 滤波 跟踪 方法
【说明书】:

发明公开了一种基于自适应正则特征联合时间关联的相关滤波跟踪方法,具体包括如下步骤:步骤1,选取待跟踪视频序列,并初始化该视频序列的第一帧;步骤2,确定目标在跟踪视频序列第二帧的中心位置,并对第二帧中的目标尺度进行估计;步骤3,确定目标在跟踪视频序列第t帧的位置,并对第t帧中的目标尺度进行估计,其中t>2。本发明解决了目标在尺度发生变化时,原始加窗会导致滤波器学习到的目标不完整或者背景信息过多的问题。

技术领域

本发明属于机器视觉中的视频图像跟踪技术领域,涉及一种基于自适应正则特征联合时间关联的相关滤波跟踪方法。

背景技术

随着计算机技术的飞速发展,目标跟踪成为了计算机视觉研究的热门课题之一。视觉目标跟踪,视觉目标跟踪就是在视频序列的每帧图像中通过一些算法不断标记被跟踪目标的位置,从而获得目标的运动参数,如位置、速度、加速度等,从而进行进一步的处理分析,实现对目标的行为理解,以完成更高级的任务。其作为计算机视觉领域的一个重要分支,在科学技术、国防建设、航空航天、医药卫生以及国民经济的各个领域有各种各样的应用,例如智能视频监控、人机交互、机器人和自动驾驶等。相关滤波目标跟踪方法具有处理速度快、跟踪精度高等优点。

在相关滤波中,提取目标区域的样本特征非常重要,对于提取的特征有以下两种:(1)传统特征,传统特征是人为设定的特征如图像颜色直方图特征、方向梯度直方图特征(HOG)、局部二值模式特征(LBP);(2)卷积特征,卷积特征是使用深度卷积网络(CNN)提取出的特征,CNN靠后卷积层输出的特征图(称之为深层特征)具有较高的语义信息与平移不变性,对于目标变化来说具有很好的鲁棒性,但对于需要精确定位目标位置的目标跟踪来说,只有深层特征是不够的,因为其空间解析度太低而无法对跟踪目标进行准确定位,而CNN靠前卷基层输出的特征图(称之为浅层特征)具有高空间细节的特点,很有利于目标定位,然而这种特征对于目标外观变化不具有鲁棒性,不利于目标的精确定位。

现有的相关滤波跟踪方法提取第一帧目标周围矩形区域的特征,基于该特征通过岭回归训练出相关滤波器,对滤波器与特征更新后在后续帧中使用更新过得滤波器与特征对待跟踪帧搜索区域特征进行相关操作,相关操作后会得到响应图,响应图中最大响应值点位置即为目标位置。基于CNN特征的相关滤波则将传统特征替换为多层卷积特征,得到多层相关滤波响应后使用加权融合的方法推断目标位置。

(1)现有技术方法并没有考虑到目标尺度发生变化时,原始加窗会导致滤波器学习到的目标不完整或者背景信息过多,这种滤波器鲁棒性差,跟踪精度低,且可能最终导致跟踪失败。

(2)现有方法对于使用卷积特征的相关滤波目标跟踪方法时,使用对多层相关滤波响应使用加权融合的方法推断目标位置,但其权值每一帧都是固定的,并非自适应权值,这样不能满足跟踪器的需求会降低跟踪器的鲁棒性和精度。

发明内容

本发明的目的是提供一种基于自适应正则特征联合时间关联的相关滤波跟踪方法,解决了目标在尺度发生变化时,原始加窗会导致滤波器学习到的目标不完整或者背景信息过多的问题。

本发明所采用的技术方案是,基于自适应正则特征联合时间关联的相关滤波跟踪方法,具体包括如下步骤:

步骤1,选取待跟踪视频序列,并初始化该视频序列的第一帧;

步骤2,确定目标在跟踪视频序列第二帧的中心位置,并对第二帧中的目标尺度进行估计;

步骤3,确定目标在跟踪视频序列第t帧的位置,并对第t帧中的目标尺度进行估计,其中t>2。

本发明的特点还在于:

步骤1的具体过程为:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安理工大学,未经西安理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110214541.4/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top