[发明专利]一种目标跟踪中考虑场景分类的相关滤波器更新装置

摘要

本发明公开了一种目标跟踪中考虑场景分类的相关滤波器更新装置，包括：目标分块模块、获取参数模块、目标所在场景判定模块和自适应学习更新模块。在实际的目标跟踪过程中，会受到许多现实条件的影响，比如目标本身发生形变或者目标被遮挡，尤其是长时间大面积的遮挡，由于现有的相关滤波器对于这些场景的理解力有限，会使得跟踪器的性能大幅度下降。为了提高跟踪的鲁棒性，本发明提出自适应学习的更新装置，针对目标所处的不同场景对相关滤波器进行自适应更新，解决长时间大面积遮挡以及目标的外观变化等不同的场景对跟踪性能的影响。

主权项

1.一种目标跟踪中考虑场景分类的相关滤波器更新装置，其特征在于，包括：目标分块模块，用于对跟踪目标区域进行分块，得到的各个小块将用于后续的目标所在场景判定；其中，将目标分为若干个小块，当目标的宽高大于15个像素时，对其进行分块，每个小块的宽高均大于15，同时为了控制复杂度，分块的个数不超过6×6个；获取参数模块，用于对上一帧和当前帧图像中跟踪目标的整体响应值和小块响应值进行处理，并得到相似度参数共同用于后续的目标所在场景判定；其中，最终用于目标所在场景判定和自适应学习更新的参数包括：第t帧目标整体的响应值rest，第t帧的相似度simt，前t‑1帧中目标整体响应最大值res_Thrt‑1，前t‑1帧中相似度最大值sim_Thrt‑1，第t帧第i个小块的响应值B_resti，前t‑1帧中第i个小块的响应最大值B_Thrt‑1i，第t帧所有小块响应的平均值Aver_rest，以及更新速率ηt；具体如下：(1)第t帧目标整体的响应值rest通过将第t帧待检测图像目标特征模板输入到上一帧训练好的核相关滤波器中进行响应得到；(2)第t帧的相似度simt通过将本帧的跟踪结果输入到上一帧的核相关滤波器中得到响应值，该响应值即为相似度simt；(3)前t‑1帧中目标整体响应最大值res_Thrt‑1，前t‑1帧中相似度最大值sim_Thrt‑1均通过动态记录得到；(4)第t帧第i个小块的响应值B_resti的计算如下：对于目标跟踪中考虑场景分类的相关滤波器更新装置中所述的目标分块模块得到的每一个小块，分别建立对应的相关滤波器，然后将待检测目标小块的特征模板输入到上一帧训练好的小块相关滤波器中进行响应即可得到第t帧第i个小块的响应值(5)前t‑1帧中第i个小块的响应最大值B_Thrt‑1i通过跟踪过程中的动态记录得到；(6)第t帧所有小块响应的平均值Aver_rest直接进行均值计算；(7)更新速率ηt根据待检测目标所处场景分别进行计算，具体计算如下：(a)当视频中跟踪目标长时间大面积遮挡时，相关滤波器的更新速率ηt＝0；(b)当视频中跟踪目标发生形变时，相关滤波器的更新速率计算形式如下：ηt＝0.015*(simt/sim_Thrt‑1)/(rest/res_Thrt‑1)(c)当视频中跟踪目标处于其它情况时，相关滤波器的更新速率计算形式如下：ηt＝0.005*(simt/sim_Thrt‑1)/(rest/res_Thrt‑1)目标所在场景判定模块，用于对当前帧中跟踪目标所处的场景进行判定；自适应学习更新模块，用于根据目标所处的不同场景采用不同的更新策略来对相关滤波器进行更新。