[发明专利]一种基于自适应上下文感知的目标跟踪方法

说明书

本发明提出一种基于自适应上下文感知的目标跟踪方法，包括：初始化卡尔曼滤波器、位置相关滤波器和尺度相关滤波器；利用第t帧中的卡尔曼滤波器和位置相关滤波器分别对第t+1帧中的目标位置进行估计，并根据位置相关滤波器的跟踪置信度确定第t+1帧中的目标位置；利用第t帧中的尺度相关滤波器对第t+1帧中的目标尺度进行估计；更新卡尔曼滤波器；当跟踪置信度大于一定阈值时，利用最优目标区域的位置、尺度和高可信度的干扰背景区域更新位置相关滤波器，并更新尺度相关滤波器。本发明利用高可信度的干扰背景更新相关滤波器，提高了对目标及背景的辨别力，并在跟踪可信时才更新相关滤波器模型，减少了模型漂移和更新次数，提升了跟踪速度。

技术领域

本发明属于计算机视觉领域，具体涉及一种基于自适应上下文感知的目标跟踪方法。

背景技术

视觉跟踪是计算机视觉研究领域的一个前沿方向，其在机器人技术、交通监控、工农业生产、医学和军事等方面有着广泛的应用。目前国内外学者主要关注的问题集中在目标遮挡、目标旋转、光照强度和尺度变化以及实际应用中目标跟踪系统实时性等情况下的跟踪鲁棒性、准确性提高上。

近些年来，基于相关滤波器的目标跟踪方法开始崛起，由于其高效的计算效率，逐渐显示出优越的性能。Bolte D等在其发表的论文“Visual object tracking usingadaptive correlation filters”中首次将相关滤波应用于目标跟踪，提出采用单通道灰度特征的最小输出平方和误差(tinitut output sut of squared error filter，tOSSE)算法。Henriques J等在其发表的论文“Exploiting the circulant structure oftracking-by-detection with kernels filters”中，在tOSSE算法的基础上引入了循环矩阵和核的概念，提出基于核循环结构跟踪(Exploiting the circulant structure oftracking-by-detection with kernels，CSK)算法，之后又在CSK算法的基础上将单通道特征转化为多通道的方向梯度直方图(Histograt of Oriented Gradients，HOG)特征，提出了核相关滤波器(Kernelized correlation filters,KCF)目标跟踪算法，进一步提高了跟踪精度和实时性。Danelljan t等人则在论文“Adaptive color attributes for real-tite visual tracking”中提出使用颜色命名(Color nate,CN)特征来改进目标外观模型。

然而，上述四种算法由于主要致力于目标位置估计性能的提高，在目标尺度发生较大变化时易发生跟踪漂移。针对该问题，tueller t等人提出了联合全局上下文进行背景训练的CACF(Context Aware Correlation Filter Tracking)算法：在目标位置的附近自适应选取一块背景区域，加到跟踪滤波器中，对它们进行背景监督训练。该算法不但没有影响跟踪的速度，而且还充分利用了背景信息，不足之处是在跟踪过程中将整个上下文感知区域看作一个整体，没有考虑不同分区对目标跟踪的贡献，这样会减削弱上下文的作用，求出的滤波器跟踪模型不够鲁棒，并且目标遮挡问题没有得到解决。

发明内容

本发明针对现有技术中的不足，提供一种基于自适应上下文感知的目标跟踪方法，采用的技术方案如下：

一种基于自适应上下文感知的目标跟踪方法，包括以下步骤：

步骤1：根据视频序列第一帧中的目标区域的位置和尺度信息，初始化卡尔曼滤波器、位置相关滤波器和尺度相关滤波器；