[发明专利]基于散射变换多层相关滤波的运动目标跟踪方法

说明书

一种基于散射变换多层相关滤波的运动目标跟踪方法，其步骤如下：(1)确定待跟踪目标初始位置(2)计算相关滤波器权值；(3)对下一帧图像的搜索窗区域进行非下采样散射变换；(4)计算相关滤波器最大响应值；(5)计算各层的权值损失并求得每一层的权值；(6)更新相关滤波器参数；(7)判断当前帧图像是否为待跟踪视频序列的最后一帧图像，若是，则执行步骤(8)，否则，执行步骤(3)；(8)结束跟踪。本发明通过基于散射变换多层相关滤波的运动目标跟踪方法，能够利用目标的散射描述子提取目标信息，使用多层相关滤波器获得最优结果，从而预测待跟踪目标位置。

技术领域

本发明属于计算机技术领域，更进一步涉及计算机视觉技术领域中的一种基于散射变换多层相关滤波的运动目标跟踪方法。本发明可用于对视频监控、机器人导航和定位、无人驾驶机获取的视频序列中的运动目标进行跟踪。

背景技术

运动目标跟踪的主要任务是，从连续的视频图像序列中检测出运动目标，进而在每一帧图像中确定出运动目标的位置。随着人们对计算机视觉领域的不断深入认识，运动目标跟踪在该领域得到广泛应用和发展，目前已经存在大量的跟踪算法来实现运动目标跟踪。但是，由于遮挡、背景杂乱、外观形变、光照变化、视角变化等客观因素的影响，使得准确地跟踪目标仍然面临极大挑战。

天津工业大学在其拥有的专利技术“一种改进的Camshift目标跟踪方法”(专利申请号201410826824.4，授权公告号104463914B)中公开了一种Camshift目标跟踪方法。该方法实现的具体步骤是，(1)利用色度微分二维联合特征建立目标模型，将每个像素8邻域的色度最大差分值作为该像素的微分值，用以描述像素的相对位置信息和图像的细节信息。(2)根据目标模型的色度微分二维特征联合直方图，利用反向投影获得跟踪图像的色度微分二维特征联合概率分布图。(3)利用均值平移方法在跟踪窗内实现目标的定位，并对目标尺寸和方向的过大调整加以限制。该方法虽然当目标的光照环境平缓变化时，可以实现准确跟踪，但是，该方法仍然存在的不足之处是，由于该方法是以像素邻域的色度最大差分值描述目标信息，当目标的光照环境剧烈变化时，无法有效提取目标的梯度信息，难以实现准确跟踪。

郑州轻工业学院在其拥有的专利技术“一种融合Cuckoo搜索和KCF的突变运动目标跟踪方法”(专利申请号201710531498.8，授权公告号107341820B)中公开了一种融合Cuckoo搜索和KCF的突变运动目标跟踪方法。该方法实现的具体步骤是，(1)初始化运动目标状态参数、Cuckoo搜索机制和KCF跟踪方法的初始参数。(2)利用KCF跟踪方法获得前k帧的k个最大响应值，计算置信度阈值的初始阈值。(3)依据当前帧最大响应值与置信度阈值的关系，确定不同的基图像样本产生方式：当大于置信度阈值，随机选取基图像样本，执行KCF方法跟踪运动目标；当小于置信度阈值，采用Cuckoo搜索机制获取全局最优的目标预测状态，产生新的基图像样本，执行KCF方法跟踪目标。(4)采用新的最大响应值动态更新置信度阈值，重复(1)至(3)实现突变运动目标的有效跟踪。该方法存在的不足之处是，当被跟踪目标在运动过程中被遮挡时，将可能丢失被跟踪目标的尺度、颜色以及轮廓等信息。

发明内容

本发明的目的是针对上述现有技术的不足，提出一种基于自适应目标响应的目标跟踪方法，以实现当目标快速移动、目标发生遮挡、光照变化时对目标进行准确、有效地跟踪。

实现本发明目的的思路是，通过非下采样散射变换来获取待跟踪目标信息，构建待跟踪目标模型，训练多层相关滤波器，根据相关滤波器的最大响应值来确定待跟踪目标位置，最后更新相关滤波器模型与目标模型每一层的权值，实现稳定、准确的跟踪。

本发明的具体步骤如下：

(1)输入第一帧的待跟踪目标：

输入待跟踪视频的第一帧，人工标记出待跟踪的目标，得到跟踪框的大小与待跟踪目标位置；

(2)确定搜索窗：