[发明专利]一种多特征在线学习的抗遮挡相关滤波目标跟踪方法

说明书

本发明涉及计算机视觉技术领域，尤其涉及一种多特征在线学习的抗遮挡相关滤波目标跟踪方法，基于背景感知相关滤波器(BACF)，利用方向梯度直方图(HOG)特征和颜色特征(CN)训练跟踪器来提高目标特征描述能力，并以峰值旁瓣比(PSR)作为融合因子在不同特征响应间实现融合；此外，为了降低模型漂移的风险，以历史平均峰值相关能量(APCE)和历史平均最大值响应值为阈值，动态地调整模型学习率以适应复杂的场景变化，有效降低了背景感知滤波器模型跟踪失败的风险，提高了系统精确性和鲁棒性。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种多特征在线学习的抗遮挡相关滤波目标跟踪方法。

背景技术

目标跟踪是计算机视觉研究领域的热点之一。在视频监控、机器人和无人驾驶都有着广泛的应用前景，但在现实场景中会遭遇到诸多非理想情况的干扰，诸如形变、遮挡、尺度变化、光照变化、快速运动、运动模糊和背景斑驳等导致算法跟踪失败。然而，大部分优秀的相关滤波算法没有很好的应对策略，导致模型无法感知目标外观的变化情况，模型在训练阶段学习到更多背景信息或干扰信息，误差逐渐积累而导致跟踪失败或漂移。

发明内容

本发明的目的在于提供一种多特征在线学习的抗遮挡相关滤波目标跟踪方法，提高检测过程中目标特征的表达能力，并且根据预测目标状态动态调整模型学习率以适应复杂的场景变化，提高系统的准确率和鲁棒性。

为实现上述目的，本发明提供了一种多特征在线学习的抗遮挡相关滤波目标跟踪方法，包括下列步骤：

建立初始化模型；

特征提取，获取方向梯度直方图特征和颜色特征；

自适应特征融合；

遮挡判断及学习率更新；

尺度估计；

模型更新。

其中，所述多特征在线学习的抗遮挡相关滤波目标跟踪方法基于背景感知相关滤波方法进行改进。

其中，在建立初始化模型的过程中，根据第一帧图像所提供的信息，分别训练颜色滤波器、方向梯度直方图滤波器和一维尺度滤波器。

其中，在特征提取的过程中，分别提取输入图片序列的方向梯度直方图特征与颜色特征。特别说明的是颜色特征的提取过程中，首先判断输入图片序列是否为彩色图片，是则提取CN特征和灰度特征；否则仅提取灰度特征。

其中，在自适应特征融合的过程中，不同特征通过相应的滤波器作相关运算后，得到两个不同的响应输出。并分别计算它们的峰值旁瓣比作为各自融合因子，加权求和得到最终输出。最终输出的最大响应值位置作为目标中心点位置。

其中，在遮挡判断及学习率更新的过程中，首先对特征融合得到的最终响应作进一步分析，通过对比当前帧最终响应图的最大峰值及平均峰值相关能量和它们各自的历史均值作对比，判断当前所预测的目标状态是否可靠，再根据给定更新策略动态调整模型学习率。

其中，在尺度估计的过程中，根据预测的目标位置构建尺度金字塔，通过尺度滤波器计算得到尺度响应，选取最大响应值作为当前帧的最佳估计尺度。

其中，在模型更新的过程中，记录当前帧最终响应图的最大峰值及平均峰值相关能量，并计算各自历史均值；根据预测的目标位置及尺度信息，分别训练颜色滤波器、方向梯度直方图滤波器和一维尺度滤波器，重复流程，直到最后一帧视频帧结束。