[发明专利]一种基于结构化逐像素目标注意机制的目标跟踪方法

说明书

本发明提出了一种基于结构化逐像素目标注意机制的目标跟踪方法，属于目标跟踪技术领域，用于解决传统暹罗跟踪算法为抑制背景利用余弦窗加权作为位置约束的方法无法精确获得目标边界，难以有效提高跟踪鲁棒性的问题。本发明首先建立逐像素目标注意机制，评估像素属于目标的概率，有效地区分目标边界，突出目标区域。同时，利用结构信息解决逐像素干扰，结合互补标签约束，得到结构逐像素目标注意模型，提高最终响应图的置信度，实现更可靠的目标定位。然后通过记忆器评估跟踪结果的置信度，保留高质量的样本更新结构化逐像素目标注意模型，提高模型的表达能力，从而实现更鲁棒性的跟踪性能。

技术领域

本发明涉及目标跟踪的技术领域，特别是指一种基于结构化逐像素目标注意机制的目标跟踪方法。

背景技术

目标跟踪是计算机视觉领域中基础的研究课题之一，在图像理解、自动驾驶、视频监控等方面具有广泛的应用。目标跟踪是给定任意目标在第一帧中的位置，然后在不断变化的视频序列中自动定位。虽然视觉跟踪在最近的研究中得到了很大的进步，但由于背景杂乱、形变、遮挡等因素的影响，实现鲁棒的跟踪一直被认为是一项极具挑战性的任务。

近年来，基于孪生网络的跟踪算法因其速度快、精度高而受到视觉跟踪界的广泛关注。通过将目标跟踪转换为一个相似度学习问题，孪生跟踪器的目标是从大量视频中离线学习一般的相似度函数。虽然上述的跟踪方法取得了优异的跟踪性能，特别是在良好的平衡精度和速度，暹罗学习框架仍有一些限制。首先，在面对背景杂乱时暹罗跟踪器很难保持其优越的性能。大多数暹罗跟踪器都能有效地从简单的背景中分离目标。然而，背景干扰总是会影响跟踪性能，这是提高跟踪性能的关键。因此，当背景具有杂波时，跟踪性能无法得到保证。

一些传统孪生跟踪方法为了抑制背景信息对目标建模的影响，传统的孪生跟踪方法采用高斯加权、余弦窗口加权作为结构约束来突出目标区域。然而，存在两个问题。一是结构约束只与目标位置有关(根据到前一帧目标中心的距离)，没有利用目标的特征。该方法不能准确区分前景和背景，不能识别前景和背景的轮廓，特别是在背景杂乱的情况下。其次，由于目标运动的不确定性，目标在下一帧中的位置是任意的。当发生快速运动时，简单基于距离的结构约束会导致位置偏见问题，因为远距离处的低权值使得位移较大的目标成为背景。通常情况下，目标不是规则的矩形，结构约束没有充分利用目标特征，不能有效地识别目标轮廓，抑制干扰物，还会造成位置偏见问题。

因此，针对现有的利用时间上下文先验作为位置约束存在的问题，有必要提出一种能准确识别目标边界，有效突出目标的注意力机制。

发明内容

针对传统孪生跟踪方法以距离为基础的高斯加权、余弦加权作为结构位置约束由于无法精确获得目标背景和前景的边界，难以有效抑制背景干扰的技术问题，本发明提供了一种基于结构化逐像素目标注意机制的目标跟踪方法，利用逐像素的目标识别能够有效判别不规则目标边界，突出目标区域以提高最终响应图的置信度，提高跟踪的鲁棒性。

本发明的技术方案是这样实现的：

一种基于结构化逐像素目标注意机制的目标跟踪方法，其步骤如下：

步骤一、根据初始帧图像中目标的位置信息，在初始帧图像中截取包含背景的图像，并将含背景的图像分为目标图像和背景图像；

步骤二、分别将目标图像和背景图像转化至HSV颜色空间，利用标准Epanechnikov核函数提取目标图像的颜色直方图H_O，利用标准方法提取背景图像的颜色直方图H_B；

步骤三、提取目标图像的特征图，并对特征图进行求解获得记忆器；

步骤四、获取下一帧图像作为当前处理图像，根据上一帧图像的目标位置信息截取当前处理图像的搜索区域图像；

步骤五、利用目标图像的颜色直方图H_O、背景图像的颜色直方图H_B和贝叶斯法则对搜索区域图像进行计算得到逐像素目标概率图；