[发明专利]基于尺度自适应相关滤波和特征点匹配的目标跟踪算法

权利要求书

1.一种基于尺度自适应相关滤波和特征点匹配的目标跟踪方法，其特征在于以下步骤：

第一步，建立尺度自适应相关滤波跟踪模块CFF，对每一帧图像进行处理给定初始信息，将初始帧的目标区域框作为正样本，采用W×H的图像块x_w，h表达，目标区域中心周围循环移位得到负样本，采用目标周围区域的循环矩阵采集正负样本；所述的初始信息包括初始帧和对应的目标区域框；

a)训练目标检测器

采用图像块训练得到相关滤波的目标检测器，即找到回归函数f(z)＝ω^Tz，得到如公式(1)所示的最小化平方误差：

min_ω∑_w，h|<φ(x_w，h)，ω>-y(w，h)|²+λ||w||²； (1)

其中，φ是通过核函数κ将线性回归映射到非线性回归的映射函数；<φ(x_w，h)，ω>表示φ(x_w，h)和ω的内积；ω为回归函数的参数；λ是用来控制过拟合的参数；y(w，h)是x_w，h的标签，回归目标y遵从高斯分布；在非线性特征空间里，ω＝∑_w，hα(w，h)φ(x_w，h)；

b)检测初始帧之后的下一帧预测位置

给定初始帧的位置，采用步骤a)训练得到的目标检测器检测下一帧运动目标所在位置，采集搜索区域内所有测试样本，根据公式(3)得到目标检测器的响应输出，其中响应输出最大的位置即为下一帧运动目标所在位置；所述的测试样本通过循环移位得到；尺度自适应相关滤波跟踪利用循环矩阵在傅里叶空间能够对角化的性质将矩阵的运算转化为向量的Hadamad积，即元素的点乘，得到：

其中，和代表傅立叶变换和它的逆；(k^x)＝κ(x_w，h，x)；向量α包含所有相关系数α(w，h)；所述的循环矩阵为测试样本；

为增强跟踪性能，采用自适应目标尺度表达目标外观，引入尺度自适应参数，采用z＝ζx_w，h表示目标尺度的变化，ζ是目标尺寸的变化系数；此时计算目标检测器的响应输出为：

其中，⊙代表元素的点乘运算；找到响应输出最大的对应的表示新检测到的运动目标所在位置；

采用新的运动目标所在位置更新目标检测器；重复上述步骤处理每一帧图像；

第二步，建立基于特征点匹配和光流的跟踪模块MTF

首先检测初始帧的所有特征点，并计算其相应特征描述符

其中，和分别代表前景特征点和背景特征点的特征描述符数据库，和代表对应特征点的数量；d_i为二进制描述符d_i∈{0，1}^d；为坐标，

前景特征点含有固定的索引值，在初始帧之后的每一帧，由特征点静态匹配和动态光流两种方式得到每一帧对应的特征点K_t；

其中，m为中对应特征点的索引；a代表坐标；为特征点K_t的数量；

得到K_t的具体步骤为：

a)特征点静态匹配

采用BRISK全图探测特征点，并计算特征描述符

其中，d_k为特征描述符，p_k是绝对坐标，N_D为特征点的数量；采用公式(7)所示的汉明距离计算每个候选描述符与初始特征描述符中每一个特征描述符之间的距离d，得到最近邻特征描述符和第二近邻特征描述符

为了有效剔除异常匹配的特征点，计算和以及根据公式(8)计算它们的比率r(d_k)，由比率r(d_k)得到成功匹配的特征点，记为匹配特征点得到对应的前景特征点的索引值；公式(8)具体为：

b)动态光流

每一帧保持一组活跃前景特征点其中p_i^t-1表示特征点在第t-1帧的坐标，而p_i^o是特征点在初始模版中的坐标；

采用LK光流法获取前一帧特征点在第t帧光流匹配的特征点，并且利用Forward-Backward策略得到特征点，提高鲁棒性能；移除跟踪无效的特征点之后，得到跟踪特征点

c)融合特征点静态匹配和动态光流两种方式得到的结果

将跟踪特征点和匹配特征点融合；在融合过程中，如果和对应到初始特征点的索引一致，只保留移除光流跟踪的得到融合的特征点；如果不一致，和都保留，得到融合的特征点；

再根据几何约束策略判定上述融合的特征点为前景特征点或背景特征点，根据前景特征点的数量直接判定跟踪是否成功，即采用公式(9)判断结果是否可信：当前景特征点数量超过阈值时，G_C＝True意味着跟踪结果可信；否则表示结果不可信；

其中，θ_I表示目标成功跟踪的阈值；N_I为前景特征点的数量；

第三步，CFF和MTF的协同处理判定模块

a)部分或完全遮挡情形：在跟踪过程中，当前景特征点数量锐减至阈值以下时，表示发生部分遮挡或完全遮挡；此时MTF的动态光流停止工作，即当G_C＝False时，另外还需停止更新CFF模块，避免CFF模块引入背景杂乱信息导致漂移；MTF的静态匹配需要持续进行，实现重新跟踪；

b)目标离开遮挡物重新出现或者目标离开视野之后再次出现在视野中时的情形：MTF的静态匹配操作持续进行，当目标区域重新出现在视野时，部分目标前景特征点被成功匹配，根据这些前景特征点得到新的目标位置；采用新的目标位置重新启动CFF模块和MTF的光流跟踪，恢复两个模块协同工作模式；

c)目标稳定运行情形：对于目标稳定、缓慢运行时经历的轻微形变、旋转情形，将动态光流得到的新的、稳定的特征点逐步添加到在处理过程中如果判断相邻帧匹配得到的特征点和初始帧前景特征点为有效的前景特征点，则保留，如果为无效的前景特征点，则删除，能够避免无限扩张导致的计算压力，保证在一个合理的大小水平。