[发明专利]一种基于自适应多模更新策略的目标跟踪方法

说明书

本发明揭示了一种基于自适应多模更新策略的目标跟踪方法，属于计算机视觉领域，在遮挡情况下可提高的目标跟踪性能。本发明的实现步骤如下：(1)读取初始帧；(2)初始化跟踪滤波器、初始帧置信度和局部极大置信度模板；(3)读取下一帧并预测被跟踪目标的位置；(4)计算该帧置信度及设置局部极大置信度模板；(5)从第4帧开始判断是否出现遮挡；(6)根据遮挡自适应设置各模板的学习率，然后将历史模板、当前帧滤波器和局部极大置信度模板根据相应的学习率融合为新的跟踪模板；(7)循环执行(3)～(6)直至跟踪结束。本发明提出了基于历史模板、当前帧滤波器和局部极大置信度模板的自适应融合方法，有效提高了遮挡环境下目标跟踪的鲁棒性和准确性。

技术领域

本发明涉及计算机视觉领域，具体为一种基于自适应多模更新策略的目标跟踪方法。

背景技术

视频目标跟踪是计算机视觉方向重要的研究方向之一，首先在视频中选取被跟踪目标，根据目标的位置、尺度及特征在后续帧中预测位置和尺度等信息。目前，该研究方向的成果已被广泛的应用在智能监控和机器人导航等领域。当前，视频目标跟踪存在着遮挡、形变、光照变化、超出视野范围、快速移动、旋转和背景扰动等挑战性难点，其中遮挡是影响跟踪性能的一个重要的因素。

基于相关滤波器的目标跟踪方法具有较高的准确性以及实时性，已成为当前跟踪领域的研究热点。Bolme等学者提出基于最小输出平方误差滤波器(Minimum Output Sumof Squared Error filter，MOSSE)的跟踪方法，并提出采用峰值旁瓣比(The Peak-to-Sidelobe Ratio，PSR)检测遮挡或跟踪失败的情况。Alan提出了基于全相关的长时追踪算法(A Fully-Correlational Long-Term Tracker，FuCoLoT)，在PSR的基础上得到加权PSR特征，以此来判别跟踪是否存在的遮挡，若存在遮挡情况，则不更新或少更新滤波器模板。Martin等学者提出有效卷积算子跟踪算法(Efficient Convolution Operators forTracking，ECO)，算法针对滤波器组进行降维；为了克服遮挡等对跟踪模板的影响，采用每隔N帧更新一次的策略，可在一定程度上避免了遮挡或目标超出视野范围导致的模板漂移。这种隔帧更新的方法，也存在着明显的缺点，当目标出现遮挡时也有可能将当前滤波器更新到滤波器模板中，从而导致模板的不准确性。在已有的算法中，当遇到目标遮挡和目标超出视野范围影响时，大部分算法采用减少更新或者是不更新模板的方法以及模板漂移，然而，目前的检测方法并不能准确的检测遮挡，同时目前所有算法在模板更新方面，仅采用了历史模板和当前滤波器模板，而没有考虑到极大置信度模板，忽略了历史有效信息。

为了增强遮挡情形下模板的鲁棒性，本发明提出将局部极大置信度模板以一定的学习率更新到目标模板中，局部极大置信度模板往往具有较高的可靠性，在一定程度上克服遮挡导致的模板不准确性，从而提高跟踪性能。

发明内容

本发明是针对遮挡环境下的一种基于自适应多模更新策略的目标跟踪方法，旨在解决遮挡导致跟踪模板的不准确性。

本发明提出在目标跟踪过程中，模板更新不仅考虑历史模板和当前帧滤波器，同时将局部极大置信度模板更新融合进跟踪模板。

本发明的技术方案如下：

一种基于自适应多模更新策略的目标跟踪方法，包括以下步骤：

(1)读取视频帧序列，获取初始帧图像；

(2)根据初始帧确定被跟踪目标的位置，设置初始帧置信度Con₁及局部极大置信度模板F^max；

(3)读取第t帧视频序列，根据历史滤波器模板F^t-1预测第t帧被跟踪目标的位置；