[发明专利]基于改进型DSST的车载摄像视频目标跟踪方法

说明书

本发明提出一种基于改进型DSST的车载摄像视频目标跟踪方法，其方法包括以下步骤：1：对第一帧图像确定目标位置和尺度信息；2：训练得到位置滤波器和尺度滤波器的初始参数；3：预测下一帧图像中的目标位置和尺度，读取下一帧图像；4：计算位置滤波的最大响应，确定为该帧图像的目标位置，并更新目标位置；5：提取多尺度图像块；6：计算尺度滤波的最大响应，确定目标的尺度信息，并更新目标的尺度信息；7：重新训练位置滤波器和尺度滤波器的参数，并更新参数；8：重复3至7，直至跟踪结束。本发明通过加入更多的背景信息和更加合理的尺度调整策略来处理前景和背景快速变化的跟踪问题，以在交通环境下准确的估计出目标的位置及尺度。

技术领域

本发明属于计算机视觉和图像处理领域，尤其涉及一种基于改进型DSST的车载摄像视频目标跟踪方法。

背景技术

目标跟踪是计算机视觉领域一个核心的研究课题。在通常的视觉跟踪任务中，目标跟踪是指根据已知目标的初始位置信息来得到在整个视频序列中该目标的运动轨迹的技术。目前，相关滤波（Correlation Filter， CF） 跟踪模型由于具有较好的跟踪性能和计算效率而成为当前目标跟踪领域的研究热点。核相关滤波跟踪算法的基础是MOSSE（Minimum Output Sum of Squared Error，MOSSE）跟踪器，MOSSE跟踪器通过学习一个判别式相关滤波器来对下一帧图像目标定位。

目前应用于交通环境下的跟踪方法中，DSST是比较好的一种。DSST中采用了两个相关滤波器，一个滤波器估计目标位置，另外一个则估计目标尺寸，两个滤波器相互独立。首先DSST估计目标位置，使用带有HOG特征的DCF训练的平移相关滤波估计目标中心的平移，这个过程中只利用到目标周围少量的背景信息。然后使用尺度滤波器，采用固定权重的金字塔对目标进行多尺度估计。最终， 得到目标在下一帧的位置及尺度大小。

如上所述，将DSST跟踪方法应用于交通环境中存在两个问题：一是没有充分利用目标以外的背景信息，在下几帧中会将干扰物或者背景误识别为目标，所以在目标快速运动、遮挡和背景混淆时易引起跟踪漂移；二是相关滤波器采用固定比例尺度的金字塔模型，各层权重递减叠加且具有一定间隔性会导致真实目标尺度响应减弱和目标尺度估计出现较大偏差。

发明内容

为了解决现有技术存在的空白和不足，本发明旨在对DSST算法进行进一步改进，解决适于复杂环境的目标跟踪问题，并提出一种在跟踪过程中准确的估计出目标位置和尺寸的变化的策略，具体采用以下技术方案：

一种基于改进型DSST的车载摄像视频目标跟踪方法，其特征在于，包括以下步骤：

步骤1：对第一帧图像确定目标位置和尺度信息；

步骤2：根据第一帧图像的灰度信息训练得到位置滤波器和尺度滤波器的初始参数；

步骤3：预测下一帧图像中的目标位置和尺度，读取下一帧图像；

步骤4：计算位置滤波的最大响应，确定为该帧图像的目标位置，并更新目标位置；

步骤5：提取多尺度图像块；

步骤6：计算尺度滤波的最大响应，确定目标的尺度信息，并更新目标的尺度信息；

步骤7：根据更新后的目标位置和尺度信息重新训练位置滤波器和尺度滤波器的参数，并更新参数；

步骤8：重复步骤3至步骤7，直至跟踪结束。

优选地，所述位置滤波器在每一帧图像中，围绕目标(其中代表整个图像)抽K个背景图像块，分别对应的循环矩阵和，则位置滤波器的代价函数为：，其中和为正则项系数，w为位置滤波器，y为最大相关滤波器响应得分。

优选地，在训练过程中，所在项回归至零。

优选地，所述尺度滤波器的尺度变化因子a根据当前帧和下一帧尺度估计两者的差值进行动态的调整。