[发明专利]一种基于核相关滤波的目标跟踪方法

说明书

本发明公开了一种基于核相关滤波的目标跟踪方法，包括如下步骤：输入首帧图像，计算出目标SIFT特征的基准样本，经过循环矩阵后得到所有目标样本，然后根据目标样本训练分类器；下一帧图像输入，采集新的目标区域，计算所有训练样本；计算出所有目标样本和所有训练样本的核相关矩阵和分类器回归系数；使用核相关矩阵和分类器回归系数计算得到所有位置的函数响应值，检测出最大的响应位置，进而解算出当前帧的目标位置。本发明基利用循环矩阵目标区域进行循环移位，实现样本的稠密采样，为分类器构造了足够样本；然后使用核化技巧将特征空间映射到更高维的空间，结合快速傅立叶变换进行分类器训练和目标检测，最终达到跟踪目标的目的。

技术领域

本发明涉及光电跟踪技术领域，尤其涉及一种基于核相关滤波的目标跟踪方法。

背景技术

目前，在传统的光电跟踪技术中，主要有基于目标分割和基于目标匹配的两种跟踪技术。

在目标分割技术中，主要利用目标和背景的灰度特征，采用基于阈值的分割方法、基于区域的分割方法、基于边界的分割方法及后两者相结合的方法，对图像进行直方图统计，计算出目标分割的阈值，并将图像中像素的灰度值与阈值进行比较，最后将像素根据比较结果分到合适的类别中，完成目标的提取和跟踪。

在目标匹配技术中，将模板图像定义成一幅子图像，然后在一幅大图像中搜索与模板图像相似的子图像，找到与模板图像相似子图像的位置，确定目标图像的位置。在匹配过程中，模板匹配通过计算模板图像与子图像的相似度进行判断。如果模板图像与子图像相似度高，则匹配成功，跟踪稳定，反之则失败，跟踪丢失。

随着目标跟踪技术所应用到的场景逐渐增加，基于目标分割和基于目标匹配的目标跟踪技术所受到的挑战也越来越大，目前已有的技术很难全面应对实际中的各种复杂场景。

在基于目标分割的跟踪技术中，主要利用目标背景的灰度统计特性，计算出目标的分割门限进行目标分割。但当背景复杂时，目标分割阈值计算不准确，无法正确目标分割或无法分割出目标，容易造成跟踪失败，跟踪稳定性较差。

在基于目标匹配的跟踪技术中，由于摄像机视角变化或者目标运动的原因，目标形态经常发生变化，目标形态变化导致目标外观特征发生变化。另外，在目标跟踪过程中，当目标从物体后面经过或其它物体在目标面前经过，目标会受到遮挡，此时目标外观特征与目标模板差距变大。以上情况都会造成目标匹配时的匹配判据失效，目标丢失或者跟错目标，跟踪性能下降。

发明内容

本发明的目的是提供一种基于核相关滤波的目标跟踪方法，能够提高在目标形变、目标遮挡和复杂背景条件下的目标跟踪能力。

本发明采用的技术方案为：

一种基于核相关滤波的目标跟踪方法，包括如下步骤：

A：首先，输入首帧图像，计算出目标SIFT特征的基准样本，经过循环矩阵后得到所有目标样本，然后根据目标样本训练分类器；

B：下一帧图像输入，采集新的目标区域，计算所有训练样本；

C：使用基于高斯核函数的核化方法，计算出所有目标样本和所有训练样本的核相关矩阵和分类器回归系数；

D：使用核相关矩阵和分类器回归系数计算得到所有位置的函数响应值，检测出最大的响应位置，进而解算出当前帧的目标位置；

E：根据当前帧的目标位置，更新目标样本和分类器回归系数，为后续图像目标检测使用做准备。

所述的步骤A中经过循环矩阵得到所有目标样本具体为：由一个向量x∈Rⁿ通过不断乘上排列矩阵P得到n个循环移位向量,将这n个向量依序排列到一个矩阵中，就形成了由x生成的循环矩阵C(x)；