[发明专利]一种改进KCF的红外目标跟踪方法

说明书

本发明涉及图像处理、稳定追踪技术领域，具体公开了一种改进KCF的红外目标跟踪方法，包括如下步骤，包括如下步骤，步骤1，首先将图像数据传入检测系统，然后进行初始化，选定初始跟踪框，步骤2，对目标区域进行划分，分成若干个block，每个block分成若干个cell；步骤3，对cell进行梯度强度和梯度方向提取，得到特征描述符；步骤4，对得到的特征描述符进行相关滤波的训练，得到分类器，再进行目标跟踪、匹配。本发明能够在光线暗淡条件下进行有效轮廓提取，有效抵抗噪声情况下的跟踪，能够提高一定的抗干扰能力。

技术领域

本发明涉及图像处理、稳定追踪技术领域。

背景技术

通常，对象跟踪器由四个模块组成：对象描述，观察模型，运动模型和模型更新方案。最近，代替直观的整体描述，已经提出局部描述方案以使对象描述更加灵活和健壮。在对象描述中也使用各种特征，例如颜色命名，颜色直方图和定向梯度直方图(HOG)。有两种观察模型，即生成模型和判别模型，后者被证明更有效，因为明确考虑了目标和背景的差异。提出了许多运动模型来覆盖目标的复杂运动，如隐式运动模型，粒子滤波，密集采样，马尔可夫链蒙特卡罗和跟踪和检测的结合。虽然早期跟踪器在跟踪期间不更新其模型，但现代跟踪器通常采用适当的方式更新方案，从简单的线性插值到使用自举的迭代学习。

在更复杂的跟踪器中，最近提出的基于相关滤波器的跟踪器具有极大的简单性和优越的速度，已经获得了吸引人的性能。那些跟踪器训练一个判别过滤器，其中卷积输出可以指示候选者和目标之间的相似性。因为元素操作在傅立叶域中，等于时域中的卷积运算(跟踪中的空间域)，它们非常有效地评估循环移位的候选者。但是，滤波器输入是一个固定大小的边界框，因此它们不具备对目标尺度和宽高比变化的适应性。尽管已经提出了尺度自适应变体，但由于预定义的采样方式，它们不够灵活。此外，目前为止，还没有提出相关滤波器变体来处理方面比率变化。

在对象检测区域中，具有最高性能的最近检测系统都采用检测提议生成器，用于从输入图像中挑选出可能包含对象的候选区域。检测建议不仅可以避免在多个窗口上进行分类，还可以通过减少误报来提高检测质量。

发明内容

本发明的目的在于提供一种改进KCF的红外目标跟踪方法。

为了达到上述目的，本发明的基础方案提供一种改进KCF的红外目标跟踪方法，包括如下步骤，

步骤1，首先将图像数据传入检测系统，然后进行初始化，选定初始跟踪框，

步骤2，对目标区域进行划分，分成若干个block，每个block分成若干个cell；

步骤3，对cell进行梯度强度和梯度方向提取，得到特征描述符；

步骤4，对得到的特征描述符进行相关滤波的训练，得到分类器，再进行目标跟踪、匹配，目标跟踪时，相似度大于0.75即可截止。

进一步，步骤3中，图像的相位计算用如下公式进行计算：

其中式中，PC(x,y)为相位一致的大小；(x,y)表示图像中该点的坐标；W_o(x,y)为频率传播的权重因子；A_no(x,y)是小波尺度n和方向o处(x,y)处的振幅；ΔΦ_no(x,y)是较为敏感的相位偏差；T是一个噪声阈值，是一个小常数以避免被零除。表示当其值为正时，所包含的量等于自身，否则为零。

进一步，步骤3中，图像梯度计算如下公式：

Φ＝arctan(b,a) (4)

其中Φ是相位一致性的方向，o_no(θ)是小波变换卷积计算的结果。