[发明专利]一种多特征自适应融合的相关滤波目标跟踪方法

说明书

本发明涉及一种多特征自适应融合的相关滤波目标跟踪方法，属于图像处理技术领域。本发明基于相关滤波跟踪框架，采用方向梯度直方图(HOG)和颜色直方图两种互补特征进行特征提取，并根据响应图质量自适应调整两种特征的融合参数。相比采用固定参数融合方式的相关滤波跟踪方法，取得了更为稳定的跟踪效果。本发明对特征的融合策略进行了改进，提取优缺点互补的HOG特征和颜色特征，并通过调整融合特征中二者所占比例，使特征能够更稳定地用于跟踪。

技术领域

本发明涉及一种多特征自适应融合的相关滤波目标跟踪方法，属于图像处理技术领域。

背景技术

视频目标跟踪是计算机视觉领域的研究热点之一，随着计算机处理能力的快速提升，基于视频的目标跟踪技术飞速发展，为智能监控，辅助驾驶，人机交互等应用提供了重要的支持。近几年，目标跟踪技术涌现出了很多性能和速度都很优秀的算法，其中相关滤波类算法是目前较先进的一类算法，受到广泛关注和研究。在相关滤波算法中，DSST算法虽然加入了尺度变换，但采用的是单一特征，引入较多噪声，导致跟踪不稳。SRDCF算法鲁棒性很好，但速度很慢，无法满足实时性。Staple算法虽然采用了HOG特征结合颜色特征的方法，但采用的是经验值权重，无法针对目标及环境的变化自主调节，适应性较差。C-COT算法采用了神经网络来提取特征，极大地增加了计算复杂度，速度较慢。

本发明基于相关滤波跟踪框架实现跟踪，采用方向梯度直方图(HOG)和颜色直方图两种互补特征实现特征提取。最相似的现有技术方案为Staple跟踪方法：提取HOG特征，使用HOG特征根据相关滤波器的学习规则学习得到滤波模版，并使用给定公式更新模版。提取颜色特征，训练得到前景和背景的颜色概率模型，并使用给定公式更新模版。使用模板和待检测图像计算出HOG特征响应图和颜色特征响应图，将HOG特征响应图和颜色特征响应图以7:3的比例进行相加，得到融合后的响应图，响应图最大值处即为目标位置。

目前，基于多特征融合的主流相关滤波跟踪方法，大多采用固定权重方式实现多特征的融合。相关滤波模板类特征(HOG)在快速变形和快速运动方面效果不好，但能较好的处理运动模糊、光照变化等情况，而对光照变化和背景相似颜色效果不佳的颜色统计特征，对变形不敏感，而且不属于相关滤波框架没有边界效应，可以应对快速变化，针对实际复杂场景的目标跟踪系统中的问题，两种特征值在未经判断的情况下，进行固定权重的线性加和，不能最大限度的发挥特征在特定状况下的优势。

针对以上算法存在的单一特征具有局限性和无法满足实时性的问题，本文对特征的融合策略进行了改进，提取优缺点互补的HOG特征和颜色特征，并通过调整融合特征中二者所占比例，使特征能够更稳定地用于跟踪。

发明内容

本发明要解决的技术问题是针对现有固定权重融合方式的不足之处，提出一种多特征自适应融合的相关滤波目标跟踪方法，根据每个视频帧的响应图置信区域自适应设置多特征的融合参数，以促进跟踪系统的稳定性，从而解决上述技术问题。

本发明的技术方案是：一种多特征自适应融合的相关滤波目标跟踪方法，基于相关滤波跟踪框架，采用方向梯度直方图(HOG)和颜色直方图两种互补特征进行特征提取，并根据响应图质量自适应调整两种特征的融合参数。相比采用固定参数融合方式的相关滤波跟踪方法，取得了更为稳定的跟踪效果。

本发明的具体步骤为：

Step1：输入第一帧；