[发明专利]一种基于目标显著性特征的目标跟踪方法

说明书

本发明公开了一种基于目标显著性特征的目标跟踪方法，包括以下步骤：S1、基于第一帧初始化跟踪目标判别模型M₁和检测目标判别模型G₁；S2、对于第t(t>＝2)帧框定检测区域；S3、提取检测区域的HOG以及前景概率特征；S4、依据M_t‑1，确定出目标位置P1；S5、依据P1对跟踪结果以及前景概率的最大置信度进行判别；S6、若两个置信度都大于阈值A和B，则P1为结果，转S2，否则S7；S7、启动检测器检测得另一个目标位置P2；S8、算出P1和P2的跟踪置信度，较高的作为最终结果；S9、对判别模型G_t和M_t进行模型更新，转S2，进行序列跟踪。本发明可以对大部分场景目标进行鲁棒性跟踪。

技术领域

本发明涉及计算机视觉与图像处理技术领域，具体涉及一种基于目标显著性特征的目标跟踪方法。

背景技术

作为计算机视觉领域的热点之一，目标跟踪在军事、智能交通等领域都得到了广泛应用，比如：无人机中的摄像头的自动跟踪技术、交通系统中的车牌跟踪、人机交互系统中的手势跟踪等。此外，在安防领域，目标跟踪也可以辅助人们完成很多工作。人们都知道现在城市里面的每个角落基本都有一只“天眼”在看着大家的所作所为。一旦发生偷盗，拐卖等案件后，目标跟踪可以辅助办案人员对可疑人员进行追踪进而快速锁定目标。在军事领域，对敌方导弹以及战机的追踪可以辅助国防系统进行精准制导，还可以监视敌方战舰等目标物的一举一动。

目标跟踪是最具有挑战性的计算机视觉问题之一，在没有目标的先验信息的前提下利用同一个算法对任意物体实现准确跟踪。所以目标跟踪算法的重点集中在鲁棒的表观特征的设计，基于表观模型的目标跟踪算法，大抵可以划分为两大种类：一种为生成式跟踪模型，另一种为判别式跟踪模型。随着卷积神经网络和相关滤波器在跟踪方面的成功应用，判别式的表观模型越来越受到大家的青睐。判别式的跟踪方法是将跟踪目标和背景看成两种类别的事物，跟踪算法要做的就是学习出分类器对当前的目标和背景做出准确的分类。近几年的跟踪算法主要集中在深度卷积神经网络以及相关滤波器两个方面的扩展以及结合上。

发明内容

本发明的目的是为了对遮挡等跟踪挑战问题的解决提供一种思路，其中现有的跟踪框架缺少对长期目标跟踪的思考，提供一种基于目标显著性特征的目标跟踪方法，有利于提高跟踪的鲁棒性和精确度。

本发明的目的可以通过采取如下技术方案达到：

一种基于目标显著性特征的目标跟踪方法，所述的目标跟踪方法包括下列步骤：

S1、通过视频序列中标定的第一帧对目标位置进行初始化并提取特征进行跟踪目标判别模型M₁和检测目标判别模型G₁初始化；

S2、从第二帧开始，对于第t帧，依据上一帧的目标位置进行检测区域的框定，其中，t>＝2；

S3、提取检测区域的HOG以及前景概率特征，获取增强型目标特征；

S4、依据跟踪目标判别模型M_t-1，获得新一帧检测区域的置信度图，确定出目标位置区域P₁；

S5、依据目标位置区域P₁对跟踪结果的最大置信度以及前景概率的最大置信度进行判别；

S6、若跟踪结果的置信度以及前景概率的最大置信度同时大于阈值A和阈值B，则将步骤S4中的目标位置区域P₁作为最终的目标跟踪结果，若不满足则执行步骤S7；

S7、启动孪生卷积神经网络为检测器对目标检测区域中的目标进行检测得到另一个目标位置区域P₂；