[发明专利]一种基于相关滤波的快速区域搜索的目标跟踪方法

说明书

本发明提供一种基于相关滤波的快速区域搜索的目标跟踪方法，通过对跟踪过程中前一帧的目标位置及大小进行确定，以前一帧确定的目标中心位置作为中心点，并以目标高度和宽度按照一定公式求取下一帧的目标搜索区域。通过相邻帧目标在图像中移动的距离，求取当前状态下目标的移动速度及其加速度，得到模型更新率与速度的关系式，从而依据加速度对目标运动的预测作用进行更新率调整。本发明设计改进的确定目标搜索区域的方法，使得搜索区域均匀分布于目标周围，缩小了搜索区域，加快目标跟踪速度；通过设计的自适应目标速度与加速度的模型更新方式，使得滤波器模型能够更好的表示目标，提高了跟踪精度。

技术领域

本发明涉及一种基于相关滤波的快速区域搜索的目标跟踪方法，属于目标检测跟踪领域，适用于无人机追踪、视频监控等目标跟踪方面的对不同运动速度目标跟踪的问题。

背景技术

目标跟踪技术是近些年才发展并投入应用的一项技术，也是当前一个重要的课题和研究热点，目标跟踪通过在连续的视频图像序列中估计跟踪目标的位置、形状所占区域，确定目标的运动速度、方向及轨迹等运动信息，实现对运动目标行为的分析和理解，以便完成更高级的任务，像导弹制导、军用无人机侦察、道路交通监控、智能监控等技术都离不开目标跟踪，并且目标跟踪对跟踪的实时性要求越来越高。

基于相关滤波跟踪思想的目标跟踪算法，由于使用的特征复杂，以及在一个跟踪循环内要进行搜索、匹配、更新模型等多个过程，在跟踪精度提高的情形下，是以牺牲一定跟踪速度为前提，所以设计一个能够快速准确反映目标状态的滤波器模型是设计方法的关键所在。李大湘在文章《改进的SAMF目标跟踪算法》中提到利用图像分块的方法来改善跟踪效果，一般搜索目标是在一定搜索的区域内(这个区域一般大于目标尺寸，一般为2～3倍关系)依像素点密集搜索，该方法对搜索区域进行分块搜索，当分块数量越多时，跟踪精度越高，同样受到分块时运算成本时间也会越高，这在一定程度上降低了目标跟踪的速度。文献《自适应尺度的快速相关滤波跟踪算法》引入对数极坐标变换，把目标的尺度变化转化为位移信号，并对对目标模板变换前后分别提取HOG特征，在相关滤波框架下将跟踪目标的位移与尺度因子融合得到目标跟踪框，该方法以牺牲部分精度的条件将跟踪速度提升两倍以上，但是目标一旦出现旋转、严重遮挡和较大形变时，该算法无法达到预期效果。2012年Henriques等人发表的文章《High-Speed Tracking with Kernelized CorrelationFilters》中提到，采用核函数的思想，对高维复杂的目标进行降维，保留特征的关键信息，以减少算法的计算量，提升算法的跟踪速度，但是该方法由于只保留了特征的关键信息，所以对目标的跟踪效果不理想。文献《Interacting Acceleration Compensation AlgorithmFor Tracking Maneuvering Targets》对机动提出使用两个并行降阶解耦的滤波器来实现目标跟踪，然而由于该方法的加速度不是基于实际目标模型计算的，因而对高机动目标的跟踪性能并不理想，并且滤波器的增益不会因为目标运动状态变化而立即发生变化，也使得该时刻的跟踪误差增大。在文章《一种基于加速度预估计的机动目标跟踪算法》中，宋振宇提出了一种加速度预估计模型，首先要通过位置量测值对加速度进行预估计，然后用卡尔曼滤波算法进行跟踪滤波，该方法中对位置和速度的修正存在一定延迟，存在一定的跟踪误差。

目前，对于目标跟踪方法中速度的改进大多是通过对目标特征进行处理或者是多区域并行搜索来提升目标跟踪精度；而在对目标模型的建立方面则大多数通过每一帧单独建立或者按照固定更新速率把目标特征加入到模型中去，从而得到准确的目标模型。因此，本发明在提升目标跟踪速度的过程中通过缩减搜索目标时的区域，去除无关的背景区域部分，从而减少运算量，提升目标跟踪速度；并对目标跟踪过程中不同状态下的目标采用合适的模型更新率，把能够准确地反映目标形态的特征要以较大的更新率加入到模型中，保证目标模型对目标准确的表示，在进行相关滤波计算时才能得到较大的置信度，获得目标的准确位置。

发明内容