[发明专利]一种基于相关滤波的视频对象追踪方法及其智能装置

说明书

本发明公开了一种基于相关滤波的视频对象追踪方法及其智能装置，该方法包括对目标区域及目标的周围区域进行循环采样获取移位样本；将所述移位样本连接为循环矩阵A；对循环矩阵A通过离散傅里叶变换进行运算更新。本发明提出的滤波方法通过利用背景信息采样，在保证较高精度的情况下也保证了速度。使用目标周围区域的循环矩阵采集正负样本，利用脊回归训练目标检测器，在通过循环矩阵在傅里叶空间可对角化的性质将矩阵的运算转化为向量的点乘，大大降低了运算量，极大提高追踪速度。特别对于提取特征较为复杂，实时效果差的情况，本发明具有较好的效果。此外，本发明采取样本时合理地增加背景信息，增强了模型的鲁棒性，有效缓解追踪过程中遇到的快速运动，遮挡问题。

技术领域

本发明涉及一种基于相关滤波的视频对象追踪方法及其智能装置。

背景技术

目前，传统追踪算法在训练、更新追踪模型时，如果特征较复杂，会导致计算开销大，实时效果差。传统方式中采用相关滤波方法实现目标追踪时，由于循环采样得到的样本质量较差，利用的背景信息很少，从而导致对快速运动，遮挡的跟踪效果较差。

现如今的追踪算法主要有基于传统特征的机器学习、滤波器学习等算法，以及最新的基于深度学习的追踪算法。其中，基于传统特征的一些模板匹配算法需要经历大量迭代，运算量大；一般的相关滤波方法虽然速度达到要求，但是样本质量并不高，导致追踪模型鲁棒性较差；基于深度学习的追踪算法由于提取的是图像通过卷积神经网络的特征，参数计算量极为复杂，需要GPU支持，实用性欠缺。所以急需一种基于相关滤波的视频对象追踪方法及其智能装置，来解决传统方法循环采样得到的样本质量较差，利用的背景信息很少，从而导致对快速运动，遮挡的跟踪效果较差的技术问题。

发明内容

本发明要解决的技术问题是解决了传统方法循环采样得到的样本质量较差，利用的背景信息很少，从而导致对快速运动，遮挡的跟踪效果较差的技术问题。

解决上述技术问题，本发明提供了一种基于相关滤波的视频对象追踪方法，该方法包括：

S101，检测视频流获取目标区域框S₀；

S102，通过所述的目标区域框S₀构造回归模型并进行运算变换；

S103，在视频流的下一帧在目标区域框S₀周围获取多个扩展搜索区域；

S104，对目标区域框S₀及多个所述的扩展搜索区域提取特征向量并进行运算变换；

S105，根据所述的特征向量计算滤波器的模型参数；

S106，通过所述的模型参数及特征向量计算相应图；

S107，通过所述相应图获取目标移动的相对位移值；

S108，通过相对位移值还原出当前帧的目标区域框；

S109，将流程S108中的目标区域框作为下一帧的目标区域框S₀并重复循环上述步骤S103至S109实现对目标对象的追踪。

更进一步，检测视频第一帧后获取目标区域框S₀；

根据所述目标区域框S₀的尺寸大小，建构出带宽与S₀尺寸成比例的高斯形状回归模型y，并对y进行离散傅里叶变换运算得到

以S₀作为下一帧的基础搜索区域，位于所述的基础搜索区域周围获取4个同样矩形大小的扩展搜索区域S₁，S₂，S₃，S₄；