[发明专利]一种基于快速特征金字塔的车辆多尺度跟踪方法

摘要

本发明提供一种基于快速特征金字塔的车辆多尺度跟踪方法，使用聚合通道特征ACF特征，使用快速特征金字塔来逼近相邻尺度上的特征，从而快速计算不同尺度上的跟踪结果。聚合通道特征将车辆图像L、U、V通道求取梯度图像，得到梯度通道；级联这些通道特征形成ACF特征。快速金字塔是通过统计的思想将原特征图进行缩放逼近，根据各个通道缩放之间的能量统计关系，可以有原尺度上的图像直接计算得到缩放之后尺度上的图像。基于聚合通道特征的车辆跟踪不仅利用了多个通道的全局信息，而且在每个通道上也充分利用了车辆的局部信息，提高了车辆跟踪的鲁棒性；并且利用快速特征金字塔实现了跟踪的多尺度，并保证了跟踪的实时性。

主权项

一种基于快速特征金字塔的车辆多尺度跟踪方法，当上一帧检测到目标时，(x0,y0)为上一帧检测到的目标区域的中心点，则对当前帧进行目标跟踪，目标跟踪包括以下步骤：步骤1、计算当前帧图像在原始尺度下的聚合通道特征得到原始尺度下的特征图：1‑1将当前帧图像转化到LUV色彩空间，得到L、U、V三通道特征；1‑2求LUV图像的梯度图得到梯度直方图HOG特征；1‑3将L、U、V三通道特征与HOG各方向通道特征进行级联得到当前帧在原始尺度下的聚合通道特征；步骤2、计算特征金字塔：根据特征金字塔下各种尺度根据聚合通道特征各通道特征的能量统计关系对原始尺度下的特征图进行特征金字塔采样得到对应尺度下的特征图；经过各特征金字塔采样后特征图的尺度与原始尺度下的特征图的尺度比值为s1,s2,...sn，n为不同尺度总数；各特征金字塔采样包括上采样、下采样；步骤3、在不同尺度上计算跟踪结果：3‑1原始尺寸下特征图的特征通道的宽高分别为W0和H0，设原始尺寸下特征图的目标区域的中心点为(x0,y0)；各特征金字塔采样后对应的目标区域的中心位置为(x0s1,y0s1),(x0s2,y0s2),...,(x0sn,y0sn) ；3‑2计算卷积滤波器：对于上一帧是首次检测出目标的情况：各特征金字塔采样下，在以目标区域的中心位置为高斯分布的极值产生一个随机高斯分布，所述随机高斯分布对应目标区域的输出响应G1,G2,...,Gn，初始化卷积滤波器的滤波系数Fi为目标区域的傅里叶变换，Gi为以目标区域为中心位置的随机高斯分布；对于上一帧不是首次检测出目标的情况：卷积滤波器的更新采用如下策略：η为权重系数，为上一帧卷积滤波器的滤波系数；3‑3将特征金字塔采样后各尺寸的特征图输入卷积滤波器，卷积滤波器的输出响应分别为g1,g2,...,gn，分别求得各尺寸下的跟踪值PSR1,PSR2,...,PSRn，gmax为当前尺寸下输出响应的极值，μs和σs分别为当前尺寸下的输出响应的均值和方差；3‑4取跟踪值PSR1,PSR2,...,PSRn中最大的作为跟踪结果PSR，当PSR大于设定的阈值时，认为跟踪成功，则继续下一帧的跟踪，将跟踪结果按对应尺度映射至原尺度上确定目标区域；当PSR小于设定的阈值时，认为跟踪失败，则取消当前跟踪目标。