[发明专利]抗遮挡相关滤波跟踪方法

说明书

一种抗遮挡相关滤波跟踪方法，在进行视频跟踪时，根据待跟踪目标的第二帧的目标响应值和面积比率进行目标分类，并且当相邻五帧的目标响应值是否满足遮挡判据时停止跟踪，并通过启动重检测机制对后续输入的每帧图像进行目标检测并得到若干提议框，然后通过初步筛选和相关滤波得到响应值最大的提议框，用于重新初始化跟踪器从而避免检测错判。

技术领域

本发明涉及的是一种图像处理领域的技术，具体是一种抗遮挡相关滤波跟踪方法。

背景技术

目标跟踪是计算机视觉领域的研究热点之一。它在人脸识别、行为分析、机器人技术和智能监控等领域有着广泛的应用。现有的目标跟踪算法已经取得了很大的成就，但由于姿态变化、光照变化、部分遮挡、快速运动、尺度变化和背景复杂性等因素，在精确的目标跟踪中仍然存在许多问题。

近年来，相关滤波器被引入判别跟踪框架，并取得了良好的效果。平方误差最小输出MOOSE(Minimum Output Sum of Squared Error)滤波器将相关运算引入到目标跟踪中，并通过空间域卷积成为傅立叶域的Hadamard积的理论大大加速了计算。在此之后，核检测跟踪循环结构CSK(Circulant Structure of tracking-by-detection with Kernels)算法采用循环矩阵来增加样本数量，从而提升了分类器效果。作为对CSK的扩展，定向梯度特征、高斯核和岭回归被用于核相关滤波器KCF(Kernelized Correlation Filters)。针对目标的尺度变化，识别尺度空间跟踪DSST(Discriminative scale space tracking)通过尺度金字塔学习相关滤波器解决了尺度估计的问题。长期相关跟踪LCT(Long-termCorrelation Tracking)包括外观和运动的相关滤波器，以估计目标的比例和平移。受人类识别模型的启发，Choi提出了ACFN算法(Attentional feature-based CorrelationFilter)来跟踪快速变化的目标。然而，以上跟踪器均没有很好地解决目标遮挡问题或者仅仅针对目标的部分遮挡(目标遮挡面积小于等于目标总面积50％)和短时全遮挡。并且现有的遮挡判据并不能很好的与跟踪算法进行融合，在很多时候遮挡判据会出现错误判断，这严重影响了跟踪器的性能。

发明内容

本发明针对现有技术存在的上述不足，提出一种抗遮挡相关滤波跟踪方法，通过抗遮挡相关滤波跟踪(Anti-occlusion object tracking based on correlationfilter，AO-CF)、基于连续响应值的遮挡标准以及用于检测潜在的可靠目标的新检测标准，实现了在目标出现遮挡情形下的鲁棒跟踪。

本发明是通过以下技术方案实现的：

本发明涉及一种抗遮挡相关滤波跟踪方法，在进行视频跟踪时，根据待跟踪目标的第二帧的目标响应值和面积比率进行目标分类，并且当相邻五帧的目标响应值是否满足遮挡判据时停止跟踪，并通过启动重检测机制对后续输入的每帧图像进行目标检测并得到若干提议框，然后通过初步筛选和相关滤波得到响应值最大的提议框，用于重新初始化跟踪器从而避免检测错判。

所述的待跟踪目标的第二帧是指：手动选择待跟踪目标所在帧的相邻后续一帧。

所述的相邻五帧是指：以目标所在的当前帧为起始点再加上其后连续的4帧，这样就形成一个相邻5帧。

所述的目标响应值其中：y为采样样本的的输出，κ为高斯核函数，λ为正则化系数，操作算子F表示傅立叶变换。

所述的面积比率，即目标与整幅图片的面积比其中：S₁为初始目标框的面积，S₂为整幅图片的面积。