[发明专利]一种基于卷积轮廓特征的目标跟踪方法

说明书

本发明涉及一种基于卷积轮廓特征的目标跟踪算法，本发明首先在第一帧采集目标的卷积轮廓特征用于构建目标外观摩模型。其次，使用粒子滤波算法在下一帧采集候选样本，并提取出候选样本的卷积轮廓特征。接着，使用已训练好的目标外观模型与候选样本特征进行比对。在进行目标相似性对比时,仅使用目标中比较明亮的部分，这种策略使得算法能够应对跟踪中常遇到的部分遮挡问题。最后，在每一帧跟踪结束时，使用新跟踪到的目标对外观模型进行更新，使得目标外观模型能够适应目标最新的变化。跟踪算法根据上述步骤迭代地对目标进行持续地跟踪。

技术领域

本发明涉及目标跟踪领域，尤其涉及一种基于卷积轮廓特征的目标跟踪算法。

背景技术

公知，目标跟踪是计算机视觉领域中的一个热门研究方向.它在军事、娱乐、医疗、人机交互等领域有着广泛的应用.

目标跟踪算法根据其外观模型的不同可以分为两类：生成方法和判别方法。生成方法能够学习目标的特征模型，然后搜索目标可能所在的区域，使用已学习的模型以最小误差重建的区域即为目标所在位置。判别模型将目标跟踪看做一种将目标与背景分离出来的二分类问题。首先判别模型从图像中提取正样本和负样本训练分类器；然后根据分类器对候选样本进行分类；最后根据分类器响应值最大的点作为目标所在的新的位置.

最近卷积特征在图像处理的各个领域中展现出了优异的效果，而轮廓特征具有光照不变性，在此基础上，本研究提出了一种基于卷积轮廓特征的目标跟踪算法.

发明内容:

本发明为了解决上述的技术问题，提出了一种基于卷积轮廓特征的目标跟踪算法.

本发明的技术方案是：

一种基于卷积轮廓特征的目标跟踪算法，其特征在于：包括以下步骤：

步骤1、初始化第1帧的目标位置，定义目标位置是一个矩形框，框内是需要跟踪的目标，并定义时间参数t＝1；确定第1帧的目标位置其中，包含四个参数：具体是目标在该帧中的行坐标列坐标宽度和高度

步骤2、初始化第一帧粒子参数其中表示第t帧的第i个粒子，所包含的参数与目标位置的参数相同，具体是行坐标列坐标宽度和高度则表示粒子的个数；

步骤3、初始化卷积模板；

步骤4、初始化第1帧的目标外观模板；

步骤5、进入第t+1帧进行跟踪，每一个粒子通过公式(1)进行移动得到新的粒子集

其中Δa为4维随机变量，其中的元素为服从高斯分布Δa～N(0,Ω)，

其中作为优选本研究中取σ_x＝8，σ_y＝8，σ_w＝0.02，σ_h＝0.02.

步骤6、求解t+1时刻目标位置.令Median(g)为向量g中的中值。令I_g表示向量g中所有小于其中间数Median(g)的元素的索引.令 zero(A,I)为一个函数,zero(A,I)用于是将向量A中的包含在索引向量 I中的对应元素赋值为0.即:A(I)＝0.令z＝zero(s,I_s)和则目标在第t+1时刻的目标状态可以通过公式(2) 获得

其中函数O(s)表示将向量s中的所有元素正则化.例如,假设令则其中∑sub²(s)表示将sub²(s)中的所有元素相加.

步骤7、在得出第t+1时刻的目标后,求解出第t+1时刻的目标外观模板然后对目标模板进行更新s＝λs+(1-λ)s′.其中λ为学习率.作为优选,本研究中取λ＝0.95.