一种针对复杂场景的目标跟踪方法技术

本发明专利技术涉及目标跟踪技术领域，公开了一种针对复杂场景的目标跟踪方法，本发明专利技术提供的一种针对复杂场景的目标跟踪方法，通过建立基于关键点的尺度估计模型，引入卡方度量模型自适应控制模板更新速率，有效抑制了模板漂移；利用非极大值抑制法增强目标边缘信息，利用分通道直方图均衡化改善复杂场景下目标的颜色特征，并利用高置信度更新策略选择最优模板以训练位置滤波器获取位置，在保证较高目标跟踪精确度的同时，提高运行速率及鲁棒性。本发明专利技术能够实现在复杂场景中对目标较为精确的快速鲁棒跟踪。棒跟踪。棒跟踪。

【技术实现步骤摘要】
一种针对复杂场景的目标跟踪方法


[0001]本专利技术涉及目标跟踪
，具体地说，是一种针对复杂场景的目标跟踪方法。

技术介绍

[0002]随着科技的发展，目标跟踪技术被广泛运用在人机交互、安全防控、军事及交通等领域。目前，在目标旋转、形变、模糊、背景干扰、光照变化、遮挡、尺度变化、低分辨率及出视野等多种不利因素并存的复杂场景中，跟踪精确度较高的算法运行速率低，运行速率较快的算法鲁棒性较差，因此实现复杂场景中对目标较为精确的快速鲁棒跟踪，仍面临巨大的挑战。
[0003]因此，亟需一种方法，能够实现在复杂场景中对目标较为精确的快速鲁棒跟踪，在保证较高目标跟踪精确度的同时，提高运行速率及鲁棒性。

技术实现思路

[0004]本专利技术的目的在于提供一种针对复杂场景的目标跟踪方法，实现在复杂场景中对目标较为精确的快速鲁棒跟踪的功能，具有保证较高目标跟踪精确度的同时，提高运行速率及鲁棒性的效果。
[0005]本专利技术通过下述技术方案实现：一种针对复杂场景的目标跟踪方法，包括以下步骤：
[0006]步骤S1，获取图像序列，给定初始帧图像待跟踪的目标区域；
[0007]步骤S2，对所述初始帧图像边缘信息进行增强，并利用其获得图像I
‑
h；对所述初始帧图像进行分通道直方图均衡化处理，并利用其获得图像I
‑
c；
[0008]步骤S3，利用基于关键点的尺度估计模型，使跟踪框尺度自适应；
[0009]步骤S4，利用I
‑/>h训练优化后的核相关滤波器及位置估计，利用I
‑
c训练优化后的颜色相关滤波器及位置估计；
[0010]步骤S5，计算相邻两帧的目标区域交并比Ci；
[0011]步骤S6，利用步骤S5中计算得出的跟踪框交并比Ci与响应峰值旁瓣比Pi，形成置信指标联合得分ξi；
[0012]步骤S7，引入卡方度量模型，并依据置信指标联合得分ξi形成高置信度更新策略，获得新的训练模板，训练位置滤波器获取目标位置。
[0013]为了更好地实现本专利技术，进一步地，所述步骤S2中对所述初始帧图像边缘信息进行增强的方法包括：
[0014]步骤S21，使用高斯滤波平滑目标区域；
[0015]步骤S22,采用非极大值抑制稀释边缘，比较当前像素的边缘强度与在正和负渐变方向上的像素的边缘强度，同向最大保留，反之抑制，以消除边缘带来的杂散效应；
[0016]步骤S23，设置双阈值，大于阈值上界为边缘，小于阈值下界为非边缘，介于两者之间的可抑制孤立弱边缘，保留与强边缘联系紧密的弱边缘；
[0017]步骤S24，输出图像I
‑
h。
[0018]为了更好地实现本专利技术，进一步地，所述步骤S2中对所述初始帧图像进行分通道直方图均衡化处理的方法包括：
[0019]步骤S31,对目标区域进行通道分离；
[0020]步骤S32，对各分量分别进行直方图均衡化；
[0021]步骤S33，合成并输出图像I
‑
c。
[0022]为了更好地实现本专利技术，进一步地，所述步骤S3包括：
[0023]步骤S31，提取目标区域内感兴趣的点K
p1
和追踪到下一个区域的点K
p2
，并分别表示为和其中N为自然整数；
[0024]步骤S32，根据成对的跟踪点估计尺度的变化，分配与距目标区域中心点距离成反比的权重ω
i
，其中，成对的跟踪点表示为T≤N，T和N为自然整数；
[0025]步骤S33，引入高斯窗口函数，最大程度包含目标信息，并剔除与目标无关的信息，使跟踪框尺度自适应。
[0026]为了更好地实现本专利技术，进一步地，所述步骤S5包括：
[0027]步骤S51，计算相邻两帧目标区域的面积S
i
‑1,S
i
；
[0028]步骤S51，计算相邻两帧目标区域的交叠面积S
O
＝S
i
‑1∩S
i
，重叠面积S
A
＝S
i
‑1∪S
i
；
[0029]步骤S51，计算交并比C
i
＝S
O
‑
S
A
。
[0030]为了更好地实现本专利技术，进一步地，所述步骤S6包括：
[0031]所述置信指标联合得分ξ
i
表示为ξ
i
＝C
i
·
P
i
。
[0032]为了更好地实现本专利技术，进一步地，所述步骤S7包括：
[0033]步骤S71，以卡方度量模型自适应控制相关滤波算法更新速率，自适应模型更新公式如下：
[0034][0035]其中，Z
cur
对应当前帧的直方图，对应前五帧的平均值，D
k
为两者相似度，变量v＝ε
·
D
k
，表示自适应更新速率，常数ε为初始参量；
[0036]步骤S72,比较核相关滤波器的置信指标联合得分ξ
i
(CDCF)，颜色相关滤波器的置信指标联合得分ξ
i
(IASMS)以及阈值ξ0，更新条件为：
[0037][0038]其中，T
CDCF
表示CDCF算法跟踪模板，T
IASMS
表示IASMS算法跟踪模板，T
late
表示未更新的跟踪模板；
[0039]步骤S73，结合自适应更新速率及更新条件，获取新的更为准确的模板训练位置滤波器，获取目标位置。
[0040]本专利技术与现有技术相比，具有以下优点及有益效果：
[0041](1)与现有技术相比，本专利技术提供的一种针对复杂场景的目标跟踪方法，通过建立基于关键点的尺度估计模型，引入卡方度量模型自适应控制模板更新速率，有效抑制了模板漂移；
[0042](2本专利技术提供的一种针对复杂场景的目标跟踪方法利用非极大值抑制法增强目标边缘信息，利用分通道直方图均衡化改善复杂场景下目标的颜色特征，并利用高置信度更新策略选择最优模板以训练位置滤波器获取位置，在保证较高目标跟踪精确度的同时，提高运行速率及鲁棒性)。
附图说明
[0043]本专利技术结合下面附图和实施例做进一步说明，本专利技术所有构思创新应视为所公开内容和本专利技术保护范围。
[0044]图1为本专利技术提供的一种针对复杂场景的目标跟踪方法的流程示意图。
具体实施方式
[0045]为了更清楚地说明本专利技术实施例的技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，应当理解，所描述的实施例仅仅是本专利技术的一部分实施例，而不是全部的实施例，因此不应被看作是对保护范围的限定。基于本专利技术中的实施例，本领域普通技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对复杂场景的目标跟踪方法，其特征在于，包括以下步骤：步骤S1，获取图像序列，给定初始帧图像待跟踪的目标区域；步骤S2，对所述初始帧图像边缘信息进行增强，并利用其获得图像I
‑
h；对所述初始帧图像进行分通道直方图均衡化处理，并利用其获得图像I
‑
c；步骤S3，利用基于关键点的尺度估计模型，使跟踪框尺度自适应；步骤S4，利用I
‑
h训练优化后的核相关滤波器及位置估计，利用I
‑
c训练优化后的颜色相关滤波器及位置估计；步骤S5，计算相邻两帧的目标区域交并比C
i
；步骤S6，利用步骤S5中计算得出的跟踪框交并比C
i
与响应峰值旁瓣比P
i
，形成置信指标联合得分ξ
i
；步骤S7，引入卡方度量模型，并依据置信指标联合得分ξ
i
形成高置信度更新策略，获得新的训练模板，训练位置滤波器获取目标位置。2.根据权利要求1所述的一种针对复杂场景的目标跟踪方法，其特征在于，所述步骤S2中对所述初始帧图像边缘信息进行增强的方法包括：步骤S21，使用高斯滤波平滑目标区域；步骤S22,采用非极大值抑制稀释边缘，比较当前像素的边缘强度与在正和负渐变方向上的像素的边缘强度，同向最大保留，反之抑制，以消除边缘带来的杂散效应；步骤S23，设置双阈值，大于阈值上界为边缘，小于阈值下界为非边缘，介于两者之间的可抑制孤立弱边缘，保留与强边缘联系紧密的弱边缘；步骤S24，输出图像I
‑
h。3.根据权利要求1所述的一种针对复杂场景的目标跟踪方法，其特征在于，所述步骤S2中对所述初始帧图像进行分通道直方图均衡化处理的方法包括：步骤S31,对目标区域进行通道分离；步骤S32，对各分量分别进行直方图均衡化；步骤S33，合成并输出图像I
‑
c。4.根据权利要求1所述的一种针对复杂场景的目标跟踪方法，其特征在于，所述步骤S3包括：步骤S31，提取目标区域内感兴趣的点K
p1
和追踪到下一个区域的点K
p2
，并分别表示为和其中N为自然整数；步骤S32，根据成对的跟踪点估计尺度的变...

【专利技术属性】
技术研发人员：李鑫，江文波，何玲，王霄，
申请(专利权)人：四川泛华航空仪表电器有限公司，
类型：发明
国别省市：