[发明专利]一种融合Cuckoo搜索和KCF的突变运动目标跟踪方法

说明书

技术领域

本发明属于目标跟踪的技术领域，具体涉及一种融合Cuckoo搜索和KCF的突变运动目标跟踪方法，实现目标的持续性跟踪，尤其涉及目标在视频相邻图像帧间产生运动突变情况下的状态空间搜索机制和目标持续跟踪能力。

背景技术

受到跟踪环境、目标自身和摄像机成像等因素的影响，兴趣目标在被跟踪过程中往往会出现运动突变的异常现象，这使传统基于运动平滑性假设条件提出的众多跟踪算法难以适应而导致失败。目标的突变运动已经成为一个算法能否实现持续性跟踪的重要因素之一，必须在传统目标跟踪框架下设计能够自适应运动突变问题的新方法，保证目标跟踪算法的鲁棒性。

视频目标跟踪算法研究主要分为两类：基于概率方法和基于决策方法。基于概率方法将跟踪过程视为贝叶斯框架下的状态评估问题，其中代表性算法是基于粒子滤波的视频目标跟踪方法，其能够处理非线性和多模态等问题，获得好的跟踪效果。然而，当面临目标运动突变时，基于概率方法往往通过扩大粒子数目以完全覆盖状态空间的方式提高跟踪的性能，这将导致较大的计算代价，难以满足目标跟踪的实时性要求。基于决策方法通过在每帧图像中采用迭代搜索方式寻找与真实目标最近似的区域实现目标定位，往往将跟踪过程转换为求解最优化问题来解决。为了使算法适应运动突变的问题，全局优化方法被引入视频目标跟踪框架，如退火粒子滤波方法、基于粒子群最优化的跟踪方法，基于马尔可夫蒙特卡洛采样的跟踪方法等。上述方法存在两个明显的问题：(1)在每帧内实现最优化过程，均需要全局搜索以获得目标定位，显然算法运行效率难以提高；(2)启发式优化策略包含较多参数调节，这使得跟踪算法针对较强，难以泛化。

因此，必须寻找一种既能利用全局优化方法适应目标运动突变问题，又能保证算法的运行效率，同时，优化策略应具有较少的模型调节参数以提高算法的通用性。

发明内容

针对现有运动目标跟踪方法运行效率不高、通用性差的技术问题，本发明提出一种融合Cuckoo搜索和KCF的突变运动目标跟踪方法，将布谷鸟(Cuckoo)搜索策略引入到核相关滤波跟踪器(KCF)设计中，依据置信度阈值确定产生基样本图像的方式，以增强评估突变运动状态的能力；将空间域中的回归问题等效为相关滤波操作，将耗时的卷积运算用点乘运算代替，提高了算法的运行效率，最终实现能够适应突变运动的视频目标跟踪方法。

为了解决上述的技术问题，本发明的技术方案是：一种融合Cuckoo搜索和KCF的突变运动目标跟踪方法，其步骤如下：

步骤一：初始化目标状态参数、Cuckoo搜索机制和KCF跟踪方法的初始参数；

步骤二：利用KCF跟踪方法获得前k帧的k个最大响应值，计算置信度阈值的初始阈值；

步骤三：依据当前帧最大响应值与置信度阈值的关系，确定不同的基样本图像产生方式：当大于置信度阈值，随机选取基图像样本，执行KCF方法跟踪目标；当小于置信度阈值，采用Cuckoo搜索机制获取全局最优的目标预测状态，产生新的基图像样本，执行KCF方法跟踪目标；

步骤四：采用新的最大响应值动态更新置信度阈值，重复步骤一-步骤三实现突变运动目标的有效跟踪。

所述目标状态参数为：读取第一帧图像的数据信息，确定目标在第一帧图像内的状态参数[p_x,p_y,width,high]，其中，(p_x,p_y)为目标左上角像素点的坐标值，width为目标宽度，high为目标高度；Cuckoo搜索机制的参数为：初始图像块位置数num，位置发现概率pa，迭代优化次数iter；KCF跟踪方法的参数为：候选区域与目标区域的比例因子γ，计算置信度阈值的集合元素长度Len。

所述KCF跟踪方法实现的步骤为：

A、依据基样本图像构造循环矩阵X；

候选区域的宽和高分别为γ*width和γ*high，γ＞1，将目标拉成列向量x＝[x₁,x₂,…x_n]^T作为基样本向量，n＝width*high，依据基样本向量的循环移位操作产生其他的候选样本，基样本向量和其产生的n-1个候选样本形成循环矩阵：

依据循环矩阵能够通过离散傅里叶变换实现对角化的性质，循环矩阵等价为：其中，F是离散傅里叶矩阵，是对基样本向量x进行离散傅里叶变换diag表示向量对角化操作；

B、跟踪问题的时域-频域转化，实现分类问题的求解；