[发明专利]一种基于多通道特征的高速相关滤波目标跟踪方法

说明书

一种基于多通道特征的高速相关滤波目标跟踪方法，如下：(1)采用HOG特征、CN特征和角点特征3个通道加权融合构建目标特征模型，以此对目标长时间稳定跟踪；(2)利用HOG特征，克服由于光照变化导致的目标特征提取受到干扰的问题；(3)利用CN特征，克服由于目标尺寸变换导致的纹理信息剧烈变化的问题；(4)利用角点特征，克服目标被部分遮挡导致的目标跟踪丢失问题；(5)每种特征通过傅里叶变换转换到频域计算相关度，将卷积运算转化为点乘运算，从而减小计算量，加快计算速度；(6)采用最大峰值比(MPR)判断目标特征模型权值系数是否需要更新，自适应调节某种环境因素下某特征通道的主导地位；(7)利用在线学习，选用固定学习因子对权值系数进行更新，完成目标模型更新过程。

技术领域

本发明涉及的是一种基于多特征融合的相关滤波目标跟踪方法，针对不同场景下目标跟踪所受到的干扰问题，利用多种特征融合判定目标所在位置，完成对视频序列中对目标的跟踪过程。

背景技术

目标跟踪是计算机智能视觉领域中一个重要的研究方向。它是利用对光学镜头等硬件设施产生的图像序列进行处理、分析，从而获得目标在视频序列中的具体坐标信息。随着目标跟踪领域越来越深入的研究，涌现出许多优秀的目标跟踪方法，例如帧间差分法、光流法和背景模型减除法，此外还有Kalal等人提出的跟踪学习检测算法(TLD)、Vapnik等人研究的支持向量机(SVM)分类器方法、Babenko等学者实现的多示例学习跟踪算法(MIL)和BOLME.D.S等人提出的最小平方误差输出滤波器(MOSSE)。在最近几年有学者提出一种相关滤波算法，能够在动态背景下对目标进行长期稳定跟踪。传统相关滤波算法最主要的思想是利用核函数矩阵，对目标区域为中心的固定区域进行循环移位，密集采样得到大量正负样本，再利用正则化最小二乘分类器对样本中的目标和背景进行线性分类，通过傅里叶变换到频域求解相关程度最大的地方，即为下一帧中目标的位置。

但是在实际应用的环境中存在多种因素的影响，导致目标视频中存在光照变化、部分或完全遮挡、非刚性形变和尺寸变换等问题，严重影响传统目标跟踪算法的准确性。光照变化主要改变的是目标区域各像素点的灰度值，导致某些特征的判断失效；部分或完全遮挡往往是由于视频环境中出现了建筑物等障碍，破坏了目标轮廓的完整性；非刚性形变和尺寸变化会导致目标轮廓或纹理在梯度方向上的信息受到严重干扰。虽然目前有众多研究人员根据各种数学理论提出了很多跟踪算法，但很难做到对多种环境影响因素的鲁棒性，这就使得对目标跟踪算法中克服各种环境因素影响的研究有了更加实际的意义。传统的相关滤波目标跟踪算法利用的判定准则一般都是单一的特征，常见的特征比如方向梯度直方图(Histogram of Oriented Gradient,HOG)特征是对图像进行一阶求导，往往对环境的光照变化有很好的鲁棒性，但是受目标尺寸变化、形状改变等因素影响较大，而颜色名(Color Name，CN)特征是关于图像的零阶特征向量，对尺寸等外观改变有很好的不变性，但容易受到光照变化的干扰。此外还有角点特征，是在图像中突出且具有代表意义的一类点，可以让目标在被部分遮挡的情况下对前后两帧中出现的位置进行匹配，从而降低提取目标某种特征所需要的区域完整性要求，但是当相似目标同时出现时，提取角点特征容易受到干扰，导致目标跟踪失败。

发明内容

本发明的技术解决问题是：针对目标跟踪过程中受到的环境因素干扰问题，提供一种多通道特征自适应加权融合的特征判定方法，提高目标跟踪的鲁棒性，且具有一种创新性的模型更新策略，用最大峰值比决定模型和权值是否更新，增强了该方法的环境自适应性。

本发明的技术解决方案为：一种基于多通道特征的高速相关滤波目标跟踪方法，步骤如下：