[发明专利]滤波区域的相关滤波目标跟踪方法

说明书

本发明提供了一种滤波区域的相关滤波目标跟踪方法，包括以下步骤：S1、训练阶段，将滤波区域图嵌入到标准相关滤波建模中，过滤训练样本中的干扰区域，从而学到滤波器；S2、预测阶段，将上一帧中学到的滤波器作用到当前帧的搜索区域，得到目标的位置。本发明的有益效果是：为了适应目标较大步长的运动，同时利用更多的训练样本，采用较大的搜索区域，经过过滤训练样本中的干扰区域后，跟踪算法在遮挡、目标形变、光照变化等条件下的跟踪效果有明显增强，提高了跟踪算法的性能。

技术领域

本发明涉及目标跟踪方法，尤其涉及一种滤波区域的相关滤波目标跟踪方法。

背景技术

当前目标跟踪技术必须面对真实场景中的遮挡、光照变化、目标旋转、尺度变化等。传统的跟踪方法由于要在时域中处理每一个样本，所以考虑时间复杂度只能利用较少的训练样本和简单的特征。相关滤波方法，能够把时域中的相关操作转化为频域中的点积操作。因此，相关滤波方法能够利用较多的训练样本和复杂特征，同时保持较低的时间复杂度。目前基于相关滤波的方法，拥有较好的表现并受到了极大的关注。

基于相关滤波的跟踪方法，把跟踪过程主要分为两个阶段。第一个阶段，利用已知目标位置的当前视频帧，训练相关滤波模型。第二个阶段，面对下一视频帧时，通过上一个阶段训练得到的相关滤波模型，预测视频帧中的目标所在的位置。

引入相关滤波到目标跟踪，需要拟合目标跟踪任务。由于用到卷积定理，建模相关滤波同搜索区域的尺寸一致。但是，这样建模不仅仅是对目标区域进行建模，还对搜索区域中的目标周围区域进行了建模。对干扰区域的建模，降低了跟踪算法的性能。

发明内容

为了解决现有技术中的问题，本发明提供了一种滤波区域的相关滤波目标跟踪方法，提高了跟踪算法的性能。

本发明提供了一种滤波区域的相关滤波目标跟踪方法，包括以下步骤：

S1、训练阶段，将滤波区域图嵌入到标准相关滤波建模中，过滤训练样本中的干扰区域，从而学到滤波器；

S2、预测阶段，将上一帧中学到的滤波器作用到当前帧的搜索区域，得到目标的位置。

作为本发明的进一步改进，在步骤S1中，采用滤波区域图消除每一个训练样本中干扰区域的影响，使得滤波器只对感兴趣的区域建模。

作为本发明的进一步改进，在步骤S1中，用训练得到的滤波器，预测新一帧中的目标所在位置。

作为本发明的进一步改进，步骤S1包括：

滤波区域图m，嵌入到标准相关滤波建模中，

其中，X_l^T是基训练样本的第l个channel(通道)特征下的循环移位矩阵，diag(m)是滤波区域图向量化后对角化后形成的对角矩阵，w_l是对应第l个channel(通道)特征层的滤波器，为了求解，引入辅助变量f，公式(1)等价改写为，

公式(2)写成卷积的形式，

其中*为卷积操作，⊙为点乘操作，应用卷积定理，公式(3)在频域中对应转化，再应用拉格朗日乘子法进行求解即可得到滤波器w。

作为本发明的进一步改进，步骤S2包括：

在预测阶段，跟踪算法预测新一帧中的目标所在的位置，搜索区域以上一帧中目标的中心位置为中心，接着提取搜索区域的特征z，应用上一帧中训练得到的滤波器w，计算在搜索区域z中的响应值，

其中，F^-1为逆傅里叶变换，响应图R中最大值对应的位置，为目标的中心坐标。