[发明专利]一种自适应的上下文感知的抗遮挡目标跟踪方法及装置

权利要求书

1.一种自适应的上下文感知的抗遮挡目标跟踪方法，其特征在于，包括以下步骤：

在CACF算法中加入Kalman滤波，建立目标跟踪模型；

初始化目标跟踪模型的参数，所述参数包括Kalman滤波、遮挡检测、ADMM以及CACF算法；

将视频转换成序列图像，确定跟踪目标的初始位置；

根据Kalman滤波预测目标的运动方向及位置，相对于目标的位置赋予目标运动方向较大的权重；

利用第t-1图像求解的滤波模板计算第t帧的响应图R；

基于响应图R计算得到第t帧响应图F_max和APCE；

计算第t帧响应图F_max和APCE的加权平均值；

基于所述第t帧响应图F_max、APCE以及所述APCE的加权平均值判断目标遮挡情况；

如果目标被遮挡，则滤波器停止训练，根据所述Kalman滤波预测的结果更新所述跟踪目标在下一帧的位置。

2.根据权利要求1所述的自适应的上下文感知的抗遮挡目标跟踪方法，其特征在于，所述基于第t帧响应图F_max、APCE以及APCE的加权平均值判断目标遮挡情况之后还包括：

如果目标没有被遮挡，则计算自适应学习率，基于滤波器，更新滤波模板；其中，所述滤波器为根据建立的所述目标跟踪模型使用ADMM算法迭代求解得到。

3.根据权利要求2所述的自适应的上下文感知的抗遮挡目标跟踪方法，其特征在于，所述在CACF算法中加入Kalman滤波，建立目标跟踪模型具体为：

在CACF算法的基础上加入自适应上下文约束、自适应时间约束及额外的遮挡检测机制，建立时空自适应上下文感知的抗遮挡目标跟踪模型。

4.根据权利要求3所述的自适应的上下文感知的抗遮挡目标跟踪方法，其特征在于，所述在CACF算法的基础上加入自适应上下文约束、自适应时间约束及额外的遮挡检测机制，建立时空自适应上下文感知的抗遮挡目标跟踪模型具体为：

基于所述Kalman滤波的预测，赋予不同方向的上下文约束分配不同的权重；

在DCF算法的框架上加入自适应上下文约束；

在DCF算法的基础上，加入自适应时间正则项约束；

在DCF算法的基础上，将所述自适应上下文约束和所述自适应时间正则项约束在统一框架下通过优化公式进行优化求解；

引入辅助变量h，构造增广拉格朗日函数；

根据交替方向乘子法，对所述增广朗日函数进行求解并优化。

5.根据权利要求4所述的自适应的上下文感知的抗遮挡目标跟踪方法，其特征在于，所述优化公式为：

其中，ζ和v表示超参数，ζ和v的大小根据具体应用场景决定，φ表示全局响应图变化的阈值，当Π₂大于阈值的时候，表明目标模板退化。

6.根据权利要求3所述的自适应的上下文感知的抗遮挡目标跟踪方法，其特征在于，所述基于第t帧响应图F_max、APCE以及APCE的加权平均值判断目标遮挡情况具体为：

基于遮挡判别公式判断所述目标遮挡情况；

所述遮挡判别公式为：

其中，β₁和β₂为常数。

7.根据权利要求5所述的自适应的上下文感知的抗遮挡目标跟踪方法，其特征在于，所述如果目标没有被遮挡，则计算自适应学习率，基于滤波器，更新滤波模板具体为：

通过自适应学习率公式计算自适应学习率，插值更新滤波模板；

自适应学习率公式为：

ξ＝ξ₀e^{(θ.min(δ-1,0))}

其中，δ＝τ₁F_max+τ₂APCE_mean，ξ₀表示基础学习率，τ₁、τ₂和θ为预设的定值。

8.一种自适应的上下文感知的抗遮挡目标跟踪装置，其特征在于，包括：

模型建立模块，用于在CACF算法中加入Kalman滤波，建立目标跟踪模型；

初始化模块，用于初始化目标跟踪模型的参数，所述参数包括Kalman滤波、遮挡检测、ADMM以及CACF算法；

视频转换模块，用于将视频转换成序列图像，确定跟踪目标的初始位置；

权重赋予模块，用于根据Kalman滤波预测目标的运动方向及位置，赋予运动方向较大的权重；

第一计算模块，用于使用第t-1图像求解的滤波模板计算第t帧的响应图R；

第二计算模块，用于基于所述响应图R计算得到第t帧响应图F_max和APCE；

第三计算模块，用于计算第t帧响应图F_max和APCE的加权平均值；

遮挡判别模块，用于基于所述第t帧响应图F_max、APCE以及所述APCE的加权平均值判断目标遮挡情况；

如果目标被遮挡，则滤波器停止训练，根据所述Kalman滤波预测的结果更新所述跟踪目标在下一帧的位置。