[发明专利]一种基于相关滤波的分块跟踪方法

说明书

本发明涉及一种基于相关滤波的分块跟踪方法，以相关滤波跟踪模型为基础，结合分块跟踪的思想对跟踪目标划分为四个子块，每个子块单独跟踪，再根据指标得分判断每个子块跟踪结果的可信度，将可信度最低的子块判定为可能存在遮挡的区域，最后利用高可信度子块中心构建外接圆，通过外接圆圆心和半径的变化率得到预测的目标中心和尺度因子。对于在跟踪过程中存在目标被部分遮挡的视频序列，本发明所述方法在实测中能够取得良好的抗遮挡效果，跟踪结果较为稳定，且在通用的CPU硬件环境下跟踪速度能够达到60帧/秒，满足众多实际应用场景的实时性需求。

技术领域

本发明涉及一种目标跟踪方法，属计算机视觉领域，具体涉及一种基于相关滤波的分块跟踪方法。

背景技术

视觉目标跟踪是计算机视觉领域中的一项基础性任务，为后续的视频语义分析、行为分析等高层任务提供基础。目前，主流的视觉目标跟踪方法主要包括相关滤波跟踪方法和深度学习跟踪方法。相比于深度学习跟踪方法，相关滤波跟踪方法无需依赖高性能图形处理器(Graphics Processing Unit，GPU)等硬件资源即可实现高速的在线跟踪。

相关滤波跟踪方法通常在初始帧时学习整个目标的外观，构建滤波器模型，然后在检测阶段对搜索区域内的图像块进行多尺度采样并分别与滤波器做相关滤波操作，以最大响应值对应的坐标位置和采样因子作为目标的预测中心和尺度。在较为简单的跟踪场景下，该方法快速有效。但是，当跟踪过程中存在目标被部分遮挡的干扰情况时，现有的相关滤波跟踪方法则容易受到遮挡物的影响，得到错误的目标中心定位和尺度估计结果，并且在滤波器的更新过程中导致模型污染问题，从而极大地影响跟踪性能。因此，在有效应对部分遮挡方面，相关滤波跟踪方法有一定的改进空间。

发明内容

要解决的技术问题

为改进现有技术的不足，本发明设计了一种基于相关滤波的分块跟踪方法，解决相关滤波跟踪模型在应对视频中存在目标被部分遮挡的干扰情景时中心定位和尺度估计失准的问题。

技术方案

一种基于相关滤波的分块跟踪方法，其特征在于步骤如下：

步骤1读取视频中第一帧图像数据以及目标所在的初始位置信息[x₁,y₁,w₁,h₁]，其中x₁和y₁表示目标中心的横坐标和纵坐标，w₁和h₁表示目标的宽和高，将当前帧记为第t帧，目标中心的坐标记为目标的宽和高分别记为w_t、h_t，目标尺度因子记为[x_t,y_t,w_t,h_t]对应的目标矩形框记为B_t，则初始时t＝1，B₁为[x₁,y₁,w₁,h₁]对应的矩形框。

步骤2根据目标矩形框B₁的两条中垂线将其均匀地分为四个子块上标i为子块序号，取值范围为i＝1,...,4，各子块的大小相同，子块的宽为高为各子块的中心坐标分别为然后连接和三个点形成一个三角形，并进一步得到该三角形的外接圆C₁，记C₁的半径为r₁(用于在后续帧中确定目标尺度)，再以为中心，i＝1,...,4，为每个子块确定一个包含目标和背景的扩充矩形区域，即搜索区域的宽为u′₁＝θu₁，高为v′₁＝θv₁，θ为扩充因子，设定为θ＝2。