[发明专利]基于时空时空正则化和上下文感知的相关滤波跟踪算法

说明书

本发明公开了一种基于时空时空正则化和上下文感知的相关滤波跟踪算法。属于计算机视觉领域，具体步骤：根据初始化样本，确定目标模板，初始化上下文信息，对其进行帧采样；进行HOG+CN特征提取；引入上一帧的目标信息和空间正则化对滤波器的更新进行约束；求解出最优时空正则化和上下文感知滤波器模型，与样本在傅里叶域进行卷积操作，然后更新目标模板；重复上述步骤，直至目标跟踪结束。本发明在训练过程中加入时空信息和上下文信息来缓解边界效应的影响并且提高了算法的整体性能；跟踪模型利用交替乘子跟踪法的迭代方法，可达到实时跟踪的效果；空间正则化可缓解模型退化的影响；在经典数据集OTB100和TC128实验结果中。

技术领域

本发明属于计算机视觉领域，特别是单目标跟踪领域，具体是涉及一种基于时空时空正则化和上下文感知的相关滤波跟踪算法。

背景技术

相关滤波跟踪算法因其高速性在目标跟踪领域成为了主流研究方法之一，但在目标运动过程中仍然可能存在光照变化、目标遮挡、形变、剧烈运动等问题。判别式相关滤波器是相关滤波跟踪算法中的主流研究方法，但其引入的循环矩阵会影响跟踪效果。尽管判别式相关滤波器在特征融合、尺度估计、空间正则化、深度特征的引入之后，性能逐渐提高，但是无法在跟踪速度和精准性两方面仍有待提高。

为解决这个问题，通常的做法是优化算法模型，比如空间正则化、加入背景信息、迭代更新滤波器来提高精度、深度特征等方法，可以有效改进算法的跟踪速度和精度。但是跟踪速度和精度很难两方面兼顾，因为跟踪速度快是由于引入循环矩阵，这样也引起了跟踪精度的下降；另一方面通过优化算法模型来提高跟踪的精度，但往往会导致跟踪速度下降。

发明内容

发明目的：本发明目的是提供了一种改进的相关滤波目标跟踪算法；具体是一种基于时空时空正则化和上下文感知的相关滤波跟踪算法；能有效的提高目标跟踪的速度以及精度。

技术方案：本发明所述的基于时空时空正则化和上下文感知的相关滤波跟踪算法，具体实现步骤如下：

(1)、根据初始化样本，确定目标模板，初始化上下文信息，对其进行帧采样；

(2)、对目标的上下文进行HOG+CN特征提取；

(3)、引入上一帧的目标信息和空间正则化对滤波器的更新进行约束以防在时间和空间上有较大差异，防止过拟合，求解目标方程，得到滤波器模板；

(4)、求解出最优时空正则化和上下文感知滤波器模型，与样本在傅里叶域进行卷积操作，响应值得分最高的即为目标区域，然后更新目标模板。

(5)、重复步骤二到四，直至目标跟踪结束。

进一步的，在步骤(1)中，所述根据初始化样本，确定目标模板，初始化上下文信息，对其进行帧采样的具体方式是：

所述初始化目标位置：给定初始帧的目标位置，即目标的x,y坐标和长度及宽度，最后以一个框住目标的矩形框；

所述上下文信息：为提高算法的精度，处理在跟踪过程中目标的尺寸变化，保证获取更多的判别信息，在目标框固定选取4个背景框。

进一步的，在步骤(2)中，所述对选择的目标和上下文进行HOG+CN特征提取的具体方式是：采用的是HOG和CN特征，HOG特征用于对图像的局部出现的方向梯度进行计数，CN颜色特征用于对目标颜色进行统计，从梯度和颜色上融合，用于处理地目标遮挡及形变。

进一步的，在步骤(3)中，所述引入时间项和空间正则项，目的是约束目标求解，防止过度拟合和模型退化，从时间和空间上约束目标方程，时间项是从时间上控制前后帧之间滤波器之间的差异，空间正则项是从空间上处理，权重滤波器的分布，突出目标区域部分，抑制背景区域部分。

进一步的，在步骤(4)中，所述对时空正则化和上下文感知的相关滤波器的求解，是通过最小化目标函数得到，所述最小化目标函数可表示为：