[发明专利]一种相关滤波目标跟踪算法的抗遮挡及目标重捕方法

说明书

本发明公开一种相关滤波目标跟踪算法的抗遮挡及目标重捕方法，属于目标跟踪领域。采用速度预测的方式，给出目标搜索区域，调用相关滤波目标跟踪算法给出临时目标位置，采用梯度方向直方图特征距离描述目标和历史目标模板的相似程度。使用目标和目标周围8个环境区域的梯度方向直方图特征距离描述目标和环境的相似程度，计算遮挡判断阈值，然后比较目标与模板的距离和遮挡判断阈值的相对大小，将目标的遮挡状态分为未遮挡、半遮挡以及全遮挡三种状态。对于未遮挡状态，更新滤波器模板、目标速度、位置、遮挡判断阈值以及历史目标模板池；对于半遮挡状态，仅更新目标速度和位置；对于全遮挡状态，不更新任何参数，目标位置采用速度预测的位置。

技术领域

本发明涉及目标跟踪技术领域，特别涉及一种相关滤波目标跟踪算法的抗遮挡及目标重捕方法。

背景技术

目标跟踪在监控、运动分析、医疗图像、行为识别、监控及人机交互等诸多方面具有广泛的应用。而作为目前主流的目标跟踪算法之一，相关滤波目标跟踪技术具有简单、精度高、速度快的优点，受到很多专家学者的关注与研究。如使用梯度方向直方图特征的核相关滤波器(KCF)跟踪器，以及在KCF基础之上采用自适应颜色特征(CN)的视觉跟踪器。在常用情形下相关滤波目标跟踪算法确实具有优异的跟踪效果，但是当目标发生遮挡时，算法本身并不能对遮挡加以甄别，滤波器模板在更新时会引入遮挡物体的信息，造成跟踪目标的丢失。因此在相关滤波目标跟踪算法中添加抗遮挡机制，及时判别目标的遮挡状态，控制滤波器模板的更新，可以有效规避遮挡物的干扰，这对提升相关滤波目标跟踪算法的跟踪效果具有重要意义。此外对于较长时间的严重遮挡，目标离开遮挡物时往往位于搜索区域之外，因此需要引入目标重捕机制，使得目标在离开遮挡物之后，跟踪算法仍然能够对目标完成甄别和重捕。

遮挡根据时间长短可以分为短时间遮挡和长时间遮挡，根据遮挡的程度又可以分为部分遮挡和完全遮挡。对于短时间的遮挡问题，平均峰值相关能量(APCE)和峰值旁瓣比(PSR)可以有效判别是否存在遮挡，并在遮挡时停止滤波器模板的更新。但是APCE和PSR仅仅和当前的响应有关，只适合简单的场景。而且对于不同成像质量的数据，其阈值需要人为调整。对于长时间完全遮挡问题，目前主要有TLD算法、长短时跟踪算法、基于深度学习的SSD算法以及时空上下文抗遮挡跟踪算法等加以应对。TLD算法包含跟踪、检测、学习三个部分，通过在线学习对目标模型进行更新，解决因遮挡产生目标丢失的问题。长短时跟踪算法，使用一个独立的相关滤波器得到跟踪置信度。当跟踪置信度大于一定阈值认为此时能较准确跟踪，更新滤波器，当跟踪置信度较低时认为跟踪失败，并加入一个支持向量机(SVM)在线检测方法处理遮挡或跟踪失败后的重新定位问题。SSD算法也是类似的思路，在跟踪失败后在线检测算法识别和定位目标。时空上下文抗遮挡跟踪算法通过计算遮挡概率得到当前目标遮挡程度，若小于阈值则根据置信图估计目标位置，若大于阈值则判定目标发生遮挡，并根据遮挡程度的不同分别利用子块匹配方法解决局部遮挡问题，利用粒子滤波方法根据目标的历史运动轨迹预测新的目标位置。

上述方法能够解决一些遮挡问题，但需要人为设定阈值或者学习权重，而且算法复杂度大，仍然存在检测能力弱、匹配效果差等问题。

发明内容

本发明的目的在于提供一种相关滤波目标跟踪算法的抗遮挡及目标重捕方法，在保证实时性的条件下，有效提升相关滤波目标跟踪算法对带遮挡目标的跟踪效果。

为解决上述技术问题，本发明提供了一种相关滤波目标跟踪算法的抗遮挡及目标重捕方法，包括：

步骤A，采用速度预测的方式给出预测目标的中心位置(x_pred,y_pred)，根据目标区域尺寸(w,h)，按照比例放大作为搜索区域；

步骤B，调用相关滤波目标跟踪算法，给出目标位置脱靶量，调整预测目标的中心位置为临时目标位置(x_tmp,y_tmp)，以此临时目标位置为中心截取目标区域，计算目标区域梯度方向直方图特征和历史目标模板池中各个历史目标模板的最小距离Disp；