【技术实现步骤摘要】
本专利技术涉及计算机视觉，具体涉及一种基于相关滤波和显著性检测的支持装置实时跟踪方法。
技术介绍
1、目标跟踪算法旨在从视频序列中自动地跟踪一个运动目标的位置和尺度变化，它能够根据目标的运动模型，从视频序列中提取特征，然后通过计算相似度或相关性等指标，来判断目标在当前帧中的位置和尺度变化。无人机对支持装置进行准确跟踪是自动化巡检中的关键步骤，也为下一步数据采集提供了必要支持。然而，高铁沿线场景复杂多变，导致支持装置背景具有多样化的特点。另外，无人机在跟踪过程中拍摄角度也在不停变化，导致在跟踪过程中出现目标发生形变、物理遮挡等情况。这对无人机所采用的跟踪算法提出了较高的要求：跟踪算法需要具备轻量化、实时性的特点，以满足能在无人机机载平台实时运行的要求。另外，跟踪算法还需要能够有效应对背景复杂多变、前景目标发生形变等情况。目标跟踪算法是计算机视觉领域的一个重要的研究方向，近年来得到了快速发展和广泛应用。目标跟踪算法在视频监控、自动驾驶、机器人视觉等领域都得到了广泛应用。近年来也涌现了很多优秀的目标算法，如kcf、eco、siamrpn、atom等，这些算法不断推动着目标跟踪技术的发展和应用。通常，目标跟踪算法根据模型类型进行分类，包括基于模板匹配、统计学、机器学习和深度学习的目标跟踪算法。基于模板匹配的目标跟踪算法简单、计算速度快，适用于一些简单的跟踪场景，但对于光照变化、背景复杂等场景下的跟踪效果较差。基于机器学习的目标跟踪算法可以通过机器学习的方法丰富目标特征表示，提高跟踪的准确性和鲁棒性，但此类算法计算复杂度较高，需要大量的计
技术实现思路
1、针对现有技术的上述不足，本专利技术提供了一种基于相关滤波和显著性检测的支持装置实时跟踪方法，解决了现有技术中存在的计算复杂、识别速度慢问题。
2、为达到上述专利技术目的，本专利技术所采用的技术方案为：
3、提供一种基于相关滤波和显著性检测的支持装置实时跟踪方法，包括以下步骤：
4、s1、获取待测视频，并对待测视频第一帧进行信息标注，得到包含标注信息的首帧图像，并利用图像显著性检测算法对首帧图像进行前背景分离操作，得到显著性检测图谱；
5、s2、根据显著性检测图谱，初始化eco跟踪滤波器；
6、s3、提取下一帧图像的特征图像；
7、s4、将eco跟踪滤波器和下一帧图像的特征图像进行卷积运算，得到响应图，并基于响应图，以最大响应值所在为目标位置，得到当前帧的定位完成图像；
8、s5、将定位完成图像归入eco跟踪滤波器的训练样本集，并采用高斯混合模型对训练样本集进行压缩简化，判断上一帧跟踪是否对eco跟踪滤波器进行更新，若是，直接进入步骤s6，否则，基于训练样本集对eco跟踪滤波器进行更新；
9、s6、判断待测视频是否结束，若结束，算法终止，若未结束，则跳转至步骤s3。
10、进一步地，所述s1具体为：
11、s101、获取待测视频，并对待测视频第一帧进行信息标注，得到包含标注信息的首帧图像，将首帧图像分割为若干个图像块；
12、s102、对各图像块进行dct变换，得到各图像块的频域表示；
13、s103、基于各图像块的频域表示，分别计算各图像块的dct系数的平方和，得到各图像块在频域的能量值，即为各图像块的显著性值；
14、s104、对各图像块的显著性值进行归一化操作，并提取归一化后显著性值大于显著性阈值的图像块，得到首帧图像的稀疏显著区域；
15、s105、对首帧图像的稀疏显著区域进行idct反变换，得到显著性检测图谱。进一步地，所述s1中显著性检测图谱的表达式为：
16、m(x)＝idct(s(x))2
17、s(x)＝sign(dct(x))
18、其中，m(x)为经过离散余弦反变换获得的重构图像，即显著性检测图谱；idct()为idct反变换；s(x)为经过离散余弦变换获得的图像显著性特征；sign为符号函数；dct()为离散余弦变换；x为图像帧。
19、进一步地，所述s2中eco跟踪滤波器的目标函数为：
20、
21、f＝(f1,…,fd)
22、p＝[pd,c]
23、其中，e(f,p)为eco跟踪滤波器的目标函数；f为d通道相关滤波器；p为线性组合系数矩阵；为l2范数的平方；为特征提取操作后的高维特征的傅里叶变换结果；为滤波器的傅里叶变换结果；为期望响应值的傅里叶变换结果；c为滤波器编号；c为滤波器的数量；为空间正则化惩罚项的傅里叶变换结果；为第c个滤波器的傅里叶变换结果；λ为正则化参数；为frobenius范数的平方；fd为第d个通道相关滤波器；pd,c为线性组合系数；t为转置。
24、进一步地，所述s3具体为对下一帧图像，采取不同的特征提取方法，获得特征图分辨率不相同的特征图像。
25、进一步地，所述s4中响应图的目标响应分数的表达式为：
26、
27、其中，spf{x}为响应图的目标响应分数；x为图像帧；p为线性组合系数矩阵；f为d通道相关滤波器；j{x}为插值结果；c为滤波器编号；d为第d维通道；pd,c为线性组合系数；fc为第c个滤波器；jd{xd}为每个平移函数的加权值的插值结果；xd为每个平移函数的加权值；t为转置。
28、进一步地，所述s4具体为：将eco跟踪滤波器和各特征图分辨率不相同的特征图像分别进行卷积运算，得到若干个尺度不同的响应图；并对各响应图进行加权求和，以最大响应值所在为目标位置，得到当前帧的定位完成图像。
29、本专利技术的有益效果为：基于相关滤波的目标跟踪算法进行接触网支持装置实时跟踪的研究目标对象的跟踪方法；一方面有效提高了跟踪的精度，另一方面，满足在无人机机载平台部署、实时运行的要求。
本文档来自技高网...【技术保护点】
1.一种基于相关滤波和显著性检测的支持装置实时跟踪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于相关滤波和显著性检测的支持装置实时跟踪方法，其特征在于，所述S1具体为：
3.根据权利要求1所述的基于相关滤波和显著性检测的支持装置实时跟踪方法，其特征在于，所述S1中显著性检测图谱的表达式为：
4.根据权利要求1所述的基于相关滤波和显著性检测的支持装置实时跟踪方法，其特征在于，所述S2中ECO跟踪滤波器的目标函数为：
5.根据权利要求1所述的基于相关滤波和显著性检测的支持装置实时跟踪方法，其特征在于，所述S3具体为对下一帧图像，采取不同的特征提取方法，获得特征图分辨率不相同的特征图像。
6.根据权利要求1所述的基于相关滤波和显著性检测的支持装置实时跟踪方法，其特征在于，所述S4中响应图的目标响应分数的表达式为：
7.根据权利要求5所述的关于相关滤波和显著性检测的支持装置实时跟踪方法，其特征在于，所述S4具体为：将ECO跟踪滤波器和各特征图分辨率不相同的特征图像分别进行卷积运算，得到若干个尺度不同的
...【技术特征摘要】
1.一种基于相关滤波和显著性检测的支持装置实时跟踪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于相关滤波和显著性检测的支持装置实时跟踪方法，其特征在于，所述s1具体为：
3.根据权利要求1所述的基于相关滤波和显著性检测的支持装置实时跟踪方法，其特征在于，所述s1中显著性检测图谱的表达式为：
4.根据权利要求1所述的基于相关滤波和显著性检测的支持装置实时跟踪方法，其特征在于，所述s2中eco跟踪滤波器的目标函数为：
5.根据权利要求1所述的基于相关滤波和显著性检测的支持装置实...
【专利技术属性】
技术研发人员：邵长虹，侯日根，张晓栋，谷永磊，齐跃鹏，田惠文，古文超，
申请(专利权)人：中国国家铁路集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。