[发明专利]一种基于二次搜索的核相关滤波跟踪方法

说明书

本发明公开了一种基于二次搜索的核相关滤波跟踪方法，包括：S1，首先由候选模型跟踪目标，实现第一次搜索来提供候选的检测位置；S2，跟踪模型在上一帧跟踪结果的位置和候选的检测位置分别提取基准候选样本；S3，由此循环移位构造样本再进行分类器的判别，实现目标的二次搜索；S4，最后用所有位置响应图的最大值计算出跟踪目标的偏移量，进而确定目标在新一帧图像中的位置。本发明通过循环移位构造样本再进行分类器的判别，实现对跟踪检测目标进行二次搜索，从而实现对检测目标进行实时跟踪。

技术领域

本发明涉及无人机控制、嵌入式开发、图像处理领域，尤其涉及一种基于二次搜索的核相关滤波跟踪方法。

背景技术

核相关滤波目标跟踪算法(Kernelized Correlation Filters，简称KCF)利用循环矩阵理论进行的循环密集采样，大幅度提升了处理速度，巨大的速度优势使得KCF算法很适合于实时目标跟踪。然而KCF算法并不能很好地应对无人机平台上因相机视角变化、跟踪目标快速运动等造成的跟踪漂移问题，这大大降低了跟踪的性能。

发明内容

针对在无人机跟踪过程中目标快速运动时超出KCF算法检测范围而导致的跟踪失败问题，本发明提出了一种基于二次搜索的核相关滤波跟踪方法。

为实现上述目的，本发明所采用的技术方案是：

一种基于二次搜索的核相关滤波跟踪方法，包括：

S1，首先由候选模型跟踪目标，实现第一次搜索来提供候选的检测位置；

S2，跟踪模型在上一帧跟踪结果的位置和候选的检测位置分别提取基准候选样本；

S3，由此循环移位构造样本再进行分类器的判别，实现目标的二次搜索；

S4，最后用所有位置响应图的最大值计算出跟踪目标的偏移量，进而确定目标在新一帧图像中的位置。

优选的，步骤S1中，候选模型训练样本的尺寸M_c,N_c分别满足：

M_c＝(1+P_c)M (1)

N_c＝(1+P_c)N (2)

式中，P_c是用于扩展候选模型尺寸的常量，M、N是待跟踪目标的尺寸；

在提取图像样本时要对样本特征加余弦窗，为：

式中，是对应候选模型的训练样本X_c的核自相关，是对应候选模型的训练样本和待检测的候选样本之间的核相关，是矩阵A在频域的解，矩阵表示回标目标，λ是正则化参数，是指样本图像块z的响应图矩；

在新的一帧图像中，以上一帧图像跟踪结果的位置提取图像样本作为候选模型的相关滤波器的输入，对得到的响应图最大值的位置作为候选模型提供的候选检测点，实现对目标的第一次搜索定位。

优选的，步骤S3中，跟踪模型更新公式为：

式中，i和i-1分别表示第i帧和第i-1帧的索引，θ是模型的学习率，是频域跟踪模型的参数，和分别对应频域分类器的系数矩阵和训练样本，T表示图像序列帧数，和分别是第i-1和i时刻中的模型参数，是用第i帧的样本训练出的模型参数。