[发明专利]一种相关滤波图像跟踪丢失判定方法

说明书

本发明公开了一种相关滤波图像跟踪丢失判定方法，步骤一，将方向梯度直方图特征与跟踪器响应值进行组合形成特征向量；步骤二，将当前目标的特征向量使用SVM进行丢失判定，如果没有丢失则重复步骤一。本发明使用基于特征的相关滤波图像跟踪丢失判定算法进行深度结合，利用了跟踪算法的特征提取能力，降低了丢失判断的错误概率；通过使用SVM对特征向量的判断，规避了直接使用相关滤波响应输出与阈值比较的方案，增加了丢失判断的稳健程度；也通过对SVM的不断训练，实时对判断情况进行调整，显著降低误判的可能性。

技术领域

本发明属于机器视觉技术领域，具体涉及一种基于特征的相关滤波图像跟踪丢失判定方法。

背景技术

近些年来，相关滤波在目标跟踪领域得到了广泛应用；相关滤波的跟踪算法始于2010年David S Bolme提出的MOSSE方法，其方法利用了信号处理中的相关性，通过提取目标特征来训练相关滤波器，对下一帧的输入图像进行滤波。

现有的相关滤波图像跟踪丢失判定多使用阈值判定的方法，即相关滤波响应输出与固定阈值进行比对，低于固定阈值则判定为丢失。

由于针对不同目标其相关滤波响应不同，固定阈值效果不一致，而且目标部分形变和旋转也会造成相关滤波响应值下降：在目标旋转与形变或者图像明亮度改变的时候会产生目标假丢失的信号，因此这种方法容易造成误判。

基于阈值的相关滤波图像跟踪丢失判定方法不准确的本质在于没有把足够的信息输入给目标丢失判断分类器，而目标丢失判断分类器只有大小判断的功能，过于简单。

发明内容

本发明的目的在于克服现有技术的以上不足，提供一种基于特征的相关滤波图像跟踪丢失判定方法，以提升图像跟踪目标丢失判断的准确度。

本发明解决其技术问题所采用的技术方案是：一种相关滤波图像跟踪丢失判定方法，步骤一，将方向梯度直方图特征与跟踪器响应值进行组合形成特征向量；步骤二，将当前目标的特征向量使用SVM进行丢失判定，如果没有丢失则重复步骤一。

所述的一种相关滤波图像跟踪丢失判定方法，具体步骤为：

（1）计算机系统CPU对从图像传感器、内存空间或者其他储存设备读取的图像数据进行特征提取；

（2）计算机系统CPU将提取的特征与内存空间储存的自身模板进行相关滤波图像跟踪，得到目标图像位置坐标；

（3）对图像数据进行丢失判定，如果丢失则进入（4）对输出判定结果，如果没有丢失则进入下一步；

（5）计算机系统CPU根据目标图像位置坐标，对图像数据进行HOG特征提取；

（6）计算机系统CPU使用提取的HOG特征更新自身模板，将模板储存在内存空间；

（7）启动丢失判定器更新，更新丢失判断算法内的数据。

所述的一种相关滤波图像跟踪丢失判定方法，具体步骤为：

（1）计算机系统CPU对从图像传感器、内存空间或者其他储存设备读取的图像数据进行特征提取；

（2）计算机系统CPU同时对图像数据进行丢失判定，如果丢失则进入（3）对输出判定结果，如果没有丢失则进入下一步；

（4）计算机系统CPU将提取的特征与内存空间储存的自身模板进行相关滤波图像跟踪，得到目标图像位置坐标；

（5）计算机系统CPU根据目标图像位置坐标，对图像数据进行HOG特征提取；

（6）计算机系统CPU同时启动丢失判定器更新，更新丢失判断算法内的数据；

（7）计算机系统CPU使用提取的HOG特征更新自身模板，将模板储存在内存空间。