[发明专利]基于暗通道先验的核相关滤波去雾跟踪算法

说明书

一种基于暗通道先验的核相关滤波去雾跟踪算法，包括如下步骤：①选择要跟踪的视频序列，其中必须包括视频序列、groundfruth文本文件和frames文本文件；②根据第一帧，判断是否去雾，如果需要则用暗通道去雾算法对图像进行去雾；③通过第一帧信息对滤波器进行初始化；④从第二帧开始，根据上一帧中目标的运动趋势预测目标当前的运动状态，然后通过卡尔曼滤波在预测的位置进行目标位置检测，包括状态向量预测和状态向量协方差预测；⑤通过核相关滤波计算新一帧的目标位置检测，对目标进行定位和跟踪：⑥对目标位置检测结果进行遮挡判断。使用本发明可在雾天目标物对比度不明显的情况下，提高对行人进行跟踪的准确性。

技术领域

本发明属于一种视觉跟踪领域，特别涉及一种基于暗通道先验的核相关滤波去雾跟踪算法。

背景技术

目标跟踪是计算机视觉领域一个重要的研究课题，在视频监控、人机交互、机器人、军事制导等领域都有广泛的应用前景。基于图像序列的目标跟踪是在没有任何先验知识的前提下，根据第一帧中给定的目标边框确定目标位置及其运动轨迹。虽然近年来目标跟踪领域取得了快速的发展，但仍然面临着很多挑战：背景干扰、运动模糊、目标形变、光照变化、快速移动、遮挡、低分辨率、旋转和尺度变化等,，这些都会导致目标跟踪过程中发生漂移甚至跟踪失败。其中在雾天目标物模糊不清是限制目标跟踪算法发展的关键性因素，如何解决算法在目标在雾天中模糊不清的情况下跟踪失败已成为目标跟踪领域的一个关键性问题。

目标跟踪算法可以分为生成式跟踪算法和判别式跟踪算法两类。生成式目标跟踪首先要建立目标的表观模型，然后搜索图像中与该模型最相似的区域作为目标。判别式算法是把跟踪问题视为目标与背景的二分类问题，通过机器学习的方法将目标与背景分离开。生成式算法在跟踪过程中仅仅考虑了目标信息，忽略了背景信息，在背景干扰的情况下很容易导致跟踪失败。而判别式目标跟踪则充分利用背景信息，可以很好地克服生目标跟踪算法的缺陷。判别式算法可以分为基于在线Boosting的方法，基于支持向量机的方法、基于随机学习的方法、基于相关滤波的方法以及基于判别分析的方法。2010年相关滤波的引入，使得目标跟踪算法取得了快速的发展。

发明内容

本发明的目的在于提供一种基于暗通道先验的核相关滤波去雾跟踪算法，使用该算法可在雾天目标物对比度不明显的情况下，提高对行人进行跟踪的准确性。

为了实现上述目的，本发明的技术方案是：一种基于暗通道先验的核相关滤波去雾跟踪算法，其特征在于：

一种基于暗通道先验的核相关滤波去雾跟踪算法，包括如下步骤：

①选择要跟踪的视频序列，其中必须包括视频序列、groundfruth文本文件和frames文本文件；

②根据第一帧，判断是否去雾，如果需要则用暗通道去雾算法对图像进行去雾；

③通过第一帧信息对滤波器进行初始化，最小化损失函数求出α＝(K+λI)^-1y,其中I为单位矩阵，y表示训练样本的标签，K为核矩阵K_ij＝κ(x_i，x_j)，κ(*，*)为核函数，x为训练样本；

④从第二帧开始，根据上一帧中目标的运动趋势预测目标当前的运动状态，然后通过卡尔曼滤波在预测的位置进行目标位置检测，包括状态向量预测和状态向量协方差预测；

⑤通过核相关滤波计算新一帧的目标位置检测，对目标进行定位和跟踪：

以预测得到的目标位置为初始位置，通过滑动窗口的方式根据尺度因子的设置从图像中提取大量样本，用线性插值的方式将样本调整为滤波器的尺寸，离散傅里叶转换结合相关滤波计算出所有样本的响应值其中为输入的待检测样本，Pⁱ为循环矩阵P的第i行元素。为傅里叶转换，为傅里叶逆运算，响应值最大的位置作为核相关滤波器跟踪的结果；