[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

说明书

本发明属于视觉跟踪领域，提供一种基于尺度自适应相关滤波和特征点匹配的目标跟踪算法，解决长时间目标跟踪的问题，包括：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；基于特征点匹配和光流的跟踪模块MTF；建立CFF和MTF的协同处理判定模块。本发明将跟踪问题分解成能够相互辅助的两部分CFF和MTF，通过判断目标被遮挡的程度或者是否已经消失于视野，决定是否去更新算法，从而避免模型被背景信息污染产生漂移现象；对于目标重新出现于视野时，本发明能够实现目标的重新检测，更新相应模块实现持续长久稳定的跟踪；而且本发明的处理速度完全满足实时处理要求，针对实际复杂场景具有非常好的效果。

技术领域

本发明属于视觉跟踪领域，涉及一种基于尺度自适应相关滤波和特征点匹配的目标跟踪算法，解决长时间目标跟踪问题。

背景技术

最近几年，随着目标跟踪算法的不断提出，大部分的跟踪算法可以很好的解决简单环境下单一目标的轻微遮挡问题。然而在更加复杂的情形如严重遮挡或者目标离开视野等，依然需要更加健壮的长期、实时跟踪算法。

现有的基于相关滤波的跟踪算法已经能够获得非常高速的处理速度从而保证了目标跟踪的实时处理要求，不过对于遮挡问题仍然不能很好地避免目标模型被污染并且不能适应目标的尺寸变化。另外，基于特征点匹配的跟踪算法中如何选取有代表性的特征点来表示目标将直接影响跟踪的效果，而且基于特征点匹配的跟踪算法难以达到实时的处理速度、不能很好的剔除游离的点。

发明内容

针对以上问题，本发明提供一种基于尺度自适应相关滤波和特征点匹配的目标跟踪算法，该方法能够判断目标被遮挡的程度或者是否已经消失于视野，进而决定是否更新算法，避免模型被背景信息污染产生漂移现象。此外对于目标重新出现于视野时，本发明能够实现目标的重新检测，通过更新相应模块实现持续长久稳定的目标跟踪。而且该算法处理速度完全满足实时处理要求，针对实际复杂场景有非常好的效果。

为了达到上述目的，本发明的技术方案为：

一种基于尺度自适应相关滤波和特征点匹配的目标跟踪算法，包括以下步骤：

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；

第二步，建立基于特征点匹配和光流的跟踪模块MTF；

第三步，建立CFF和MTF的协同处理判定模块。

本发明的有益效果为：本发明能够有效的长时间进行目标跟踪，能够解决严重遮挡以及目标离开视野之后目标重现时的再次成功跟踪问题。将跟踪问题分解成能够相互辅助的两部分CFF和MTF。其中MTF利用初始帧的静态信息和处理过程中上一相邻帧的动态信息，采用前景特征点的数量表明遮挡的程度，进而决定是否更新CFF和MTF。同时CFF利用从MTF得到的自适应目标尺寸参数使得本身就非常优秀的相关滤波算法能够处理目标的尺度变化问题。并且CFF能够在目标被严重遮挡时停止训练和更新，进一步减少了误差信息的引入，因此拥有更加卓越的表现。在两个非常有代表性的大型数据集上进行评价，效果表明，能够利用CFF和MTF模块来提高跟踪性能，并且能够应用到实际场景。

附图说明

图1为基于CFF和MTF模块的算法框架图；

图2为具有代表性的前景特征点变化示意图；(a)为初始帧特征点示意图；(b)为从被遮挡物重新出现时稳定特征点示意图；(c)为目标旋转时的特征点示意图；(d)为长时间跟踪的特征点示意图；

图3为算法在OTB数据集上的整体性能评价；(a)为精度图；(b)为成功率图；

图4为算法在OTB数据集上对遮挡、离开视野两个属性的性能评价；(a)为遮挡属性下的性能评价；(b)为离开视野属性下的性能评价；

图5为算法在Vojir数据集上基于帧的性能评价；