[发明专利]基于自适应正则化和高信度更新的跨模态滤波跟踪方法

说明书

本发明提供一种基于自适应正则化和高信度更新的跨模态滤波跟踪方法，涉及视觉跟踪技术领域。首先，从输入的可见光和红外图像序列中确定搜索区域，并提取CN与HOG特征；其次，构建跨模态相关滤波模型并对模型进行优化，生成可见光模态下的相关滤波器和热模态下的相关滤波器；并对相关滤波器和提取的特征进行交叉相关计算得到可见光和热模态的响应图；融合响应图，得到较强的响应图；最后，设置高信度反馈更新机制对跨模态相关滤波模型进行判别更新，避免跟踪模型的失真与退化。本发明方法能够适应不同视频的特性，根据不同视频自适应地调整正则化权值，从而获得稳健的相关滤波器，进而有效提高在遮挡与恶劣天气下目标跟踪的准确性和鲁棒性。

技术领域

本发明涉及视觉跟踪技术领域，尤其涉及一种基于自适应正则化和高信度更新的跨模态滤波跟踪方法。

背景技术

目标跟踪是计算机视觉领域中一个备受关注的热点问题，具有许多实际应用场景，如视频监控、自主驾驶、人机交互、机器人控制等。目标跟踪的实质是在给定视频图像序列第一帧中目标的位置与尺寸后，在视频后续图像序列中预测给定目标的运行轨迹与尺寸。

目前基于可见光图像的目标跟踪技术已经取得很大的进展，但是在阴雨与雾霾等恶劣环境中，由于可见光谱对光照条件敏感，成像质量较差，基于可见光图像的跟踪性能往往不理想。而热红外相机对于光照条件并不是很敏感，并且具有很强的穿透力，因此，在阴雨与雾霾等恶劣环境中，热红外相机能够有效地捕捉目标。但是当温度非常相同的物体发生运动轨迹重叠(热交叉)的时候，热红外图像由于对温度比较敏感并不能清晰分辨两者，往往会丢失目标的边缘、几何和纹理等细节信息，从而追踪失败，而可见光图像中却含有丰富的细节信息，清晰分辨追踪的目标。因此，利用可见光与热红外两种模态数据的互补优势进行目标追踪，能够有效克服复杂的挑战场景和环境因素对目标跟踪的影响，从而提升跟踪的性能，开发能够有效的利用模态互补信息的跟踪器也将具有重要的意义。

发明内容

本发明要解决的技术问题是针对上述现有技术的不足，提供一种基于自适应正则化和高信度更新的跨模态滤波跟踪方法，实现在雾霾、遮挡等复杂环境中进行目标跟踪。

为解决上述技术问题，本发明所采取的技术方案是：基于自适应正则化和高信度更新的跨模态滤波跟踪方法，包括以下步骤：

步骤1、在输入的可见光与热红外图像序列中确定搜索区域的大小，并根据颜色模型与纹理模型提取搜索区域中可见光模态与热模态下的目标特征；所述的颜色模型为用颜色特征建立的特征直方图形成的模型，纹理模型为用纹理特征建立的特征直方图形成的模型；

所述提取搜索区域中的目标特征具体为：分别从可见光图像序列中提取方向梯度直方图HOG(Histogram of Oriented Gradient)特征和颜色名称CN(Color Names)特征，从热红外图像序列中提取方向梯度直方图HOG(Histogram of Oriented Gradient)特征；

步骤2、构建跨模态相关滤波模型并利用ADMM算法对模型进行优化，生成可见光模态下的相关滤波器和热模态下的相关滤波器；

步骤2-1、构建跨模态相关滤波模型；

构建t帧时的跨模态相关滤波模型，通过如下最小化目标函数表示：