[发明专利]一种基于双时空约束的相关滤波目标跟踪方法

说明书

本发明公开了一种基于双时空约束的相关滤波目标跟踪方法，基于双时空约束构建相关滤波模型的函数获取相关滤波器，在当前图像帧中初始化跟踪器，更新自适应调节因子，更新相关滤波器，与HOG特征的傅里叶变换快速匹配计算，获取最大响应位置作为跟踪到的目标位置，对应的尺度缩放因子作为当前估计到的目标的尺度缩放因子，重复上述步骤以连续跟踪目标；提出双时空约束相关滤波模型，给不同样本添加不同约束，使模型更稳定，能学习更鲁棒的相关滤波器，实现了快速高精度跟踪，为基于视频跟踪的计算机视觉应用提供核心技术支撑，结果更准确，增加的运算量极少，在傅里叶域计算，运行速度快。

技术领域

本发明属于图像处理技术领域，具体涉及一种目标跟踪技术。

背景技术

视觉目标跟踪是计算机视觉的重要组成部分，是视频监控、智慧交通、机器人视觉、自动驾驶、精确制导等领域的关键技术之一。给定目标在初始帧中的位置信息，在后续帧中准确估计出目标的运动轨迹。因为目标在运行过程中可能存在光照变化、运动模糊、形变、尺度变化、旋转、遮挡等因素，所以在复杂场景中准确跟踪目标十分困难。

基于相关滤波的目标跟踪方法，是目前效果较好、速度较快，且应用广泛的目标跟踪方法。通过循环移位以目标为中心的矩形框，得到稠密采样的样本，通过求解带正则约束项的线性回归目标函数，获取相关滤波器。

目前已知的相关滤波模型，大多直接对滤波器进行约束，忽略了约束样本。好样本和坏样本在模型中具有相同权重，模型失去了选择样本信息的能力。

发明内容

本发明为了解决现有技术存在耗时、跟踪精度低的问题，提出了一种基于双时空约束的相关滤波目标跟踪方法，为基于视频跟踪的计算机视觉应用提供核心技术支撑，为了实现上述目的，本发明采用了以下技术方案。

基于双时空约束构建相关滤波模型的函数

获取相关滤波器；

在当前图像帧中，以跟踪到的目标位置为中心，截取矩形区域，提取该区域的HOG特征，作为训练样本，初始化跟踪器；

构建回归量权重图，抑制干扰样本响应，更新自适应调节因子；

将提取的训练样本特征输入模型，在傅里叶域采用ADMM算法快速求解模型，更新相关滤波器；

以当前帧中的目标位置为矩形中心，在下一帧图像中截取具有不同缩放因子的矩形区域，作为搜索区域，提取搜索区域的HOG特征，对该HOG特征进行傅里叶变换，然后与更新后的相关滤波器进行快速匹配计算，获取滤波响应图，采用牛顿迭代法，获取响应图中的最大响应位置，作为跟踪到的目标位置，对应的尺度缩放因子，作为当前估计到的目标的尺度缩放因子；

重复提取HOG特征、更新调节因子、更新滤波器、跟踪目标位置、估计缩放因子以连续跟踪目标。

进一步的，设定当w_r中元素取1时，对应样本的回归量添加时间约束；当样本是强干扰时，对应的元素取0，抑制对应样本的回归响应。

进一步的，设定和采用A(p_sr)动态调整回归量的时空约束力度，若p_sr较小，说明目标置信度不高，则减小A(p_sr)以降低约束力度，减小当前样本对滤波器的影响，否则增大A(p_sr)。

本发明的有益效果：提出双时空约束相关滤波模型，给不同样本添加不同约束，使模型更稳定，能学习更鲁棒的相关滤波器，实现了快速高精度跟踪，为基于视频跟踪的计算机视觉应用提供核心技术支撑，结果更准确，增加的运算量极少，在傅里叶域计算，运行速度快。

附图说明

图1是本方法的流程图，图2是滤波模型的目标函数。

具体实施方式

以下结合附图对本发明的技术方案做具体的说明。