[发明专利]一种基于相关滤波的鲁棒性长时跟踪方法

说明书

本发明公开了一种基于相关滤波的鲁棒性长时跟踪方法，包括利用初始帧图像初始化滤波器；对于后续帧图像，提取当前帧图像搜索区域的特征图，与上一帧图像训练得到的滤波器进行互相关匹配，得到响应图；判断响应图对应跟踪结果的可靠等级，若跟踪结果不可靠，则重新检测目标，否则以响应图中峰值位置作为目标中心位置，并更新滤波器：当跟踪结果为一般可靠，以当前帧搜索区域的显著性图作为目标函数中自适应空间正则项的权重对滤波器进行训练；当跟踪结果为可靠，采用传统的负高斯型空间正则项权重对滤波器进行训练。本发明在目标跟踪失败时进行重检，在跟踪过程中，自适应调整目标函数中空间正则项的权重，增强了复杂场景下目标跟踪的鲁棒性。

技术领域

本发明涉及基于计算机视觉的目标跟踪领域，尤其是一种基于相关滤波的鲁棒性长时跟踪方法。

背景技术

目标跟踪作为计算机视觉领域内的一个基础问题，逐渐成为目前的研究热点。目标跟踪在实时计算机视觉中扮演着重要角色，例如智能监视系统，智能交通控制，无人机监控，自动驾驶和人机交互等。由于目标跟踪的智能性和重要性而受到了广泛关注。传统意义上目标跟踪定义为，在视频序列第一帧给定目标框的位置，包括目标的中心位置以及大小，在接下来的视频序列中自动给出该目标的位置框。

目标跟踪方法由于观测模型的不同一般分为两种类型，它们分别是生成式方法和判别式方法。生成式方法采用生成式观测模型，其通常寻找与目标模板最相似的候选框作为跟踪结果，这一过程可视为模板匹配的过程，其代表性方法有字典学习和稀疏编码等。判别式方法则采用判别式观测模型，训练分类器来区分目标与背景，代表性方法有相关滤波。在本发明中，选用了近年来成为目标跟踪主流方法的相关滤波方法。相关滤波目标跟踪过程，即通过每一帧的视频序列图像学习得到滤波器，在本帧图像中对搜索区域进行滤波处理得到响应图，在响应图中最大值的位置就是本帧图像中目标中心的位置。目标跟踪的过程可以理解为对待搜索区域图像进行相关滤波的过程，定位目标就可以理解为定位响应图中的最大值位置。以最早将相关操作引入跟踪过程的MOSSE跟踪器为例，其利用输出结果的最小均方误差训练滤波器。定义相关滤波器为H，第i帧的训练图像为F_i，期望输出为G_i，则第i帧的目标函数为：

将训练得到的滤波器与搜索区域进行相关操作得到响应图。响应分数的大小反映了该处图像与初始目标的相关性，选定响应值最大值处作为目标的中心的位置。相关滤波在训练滤波器的过程中容易受到样本数量不足的影响，所以通常采用循环采样方法，将中心图像块循环移位来增加样本。而由于循环矩阵时域和频域的特殊性质，在训练过程中，矩阵求逆转变为简单的矩阵点除，在跟踪过程中，相关操作变为频域内的点乘。由于运算量的降低，跟踪速度得到了显著提升。

相关滤波具有实时性的优势，但是当视频序列过长，出现目标严重形变，遮挡等情况时，跟踪会出现漂移，得到错误的跟踪结果。因为这些干扰项的出现会影响滤波器的判别性，导致跟踪失败。

发明内容

本发明的发明目的在于：针对上述存在的问题，提供一种基于相关滤波的鲁棒性长时跟踪方法，以增强复杂场景下目标跟踪的鲁棒性。

本发明采用的技术方案如下：

一种基于相关滤波的鲁棒性长时跟踪方法，包括：

根据初始帧图像中目标中心位置及目标框尺寸初始化滤波器；

对于后续帧图像，均执行以下操作：

读取当前帧图像，提取当前帧图像搜索区域的多尺度的特征图，将提取的特征图与上一帧图像训练得到的滤波器进行互相关匹配，得到响应图；

根据设计的可靠性评价方法判断所述响应图对应跟踪结果的可靠等级，若判断跟踪结果不可靠，则重新检测目标；若判断跟踪结果可靠，则以响应图中的峰值位置作为目标中心位置，并选取其对应的尺度作为目标框尺寸；