本发明专利技术公开了一种基于畸变抑制和低秩约束的长时目标跟踪方法，解决了有技术中目标伴随不利因素出现时，过多背景信息的引入使得目标外观在短时间内急剧变化，极易发生模型漂移甚至跟踪失败的问题，本发明专利技术提供的一种基于畸变抑制和低秩约束的长时目标跟踪方法，在构建滤波器（模型）的过程中，融合了目标本身及其周围的背景信息，有效地缓解了边界效应，同时增大了搜索区域，提高了在快速运动、遮挡或背景杂乱场景中鉴别能力。
【技术实现步骤摘要】
本专利技术涉及目标跟踪方法，具体涉及一种基于畸变抑制和低秩约束的长时目标跟踪方法。
技术介绍
1、目标跟踪方法主要是利用智能检测算法和人工精确标注的方法，在初始影像序列中确定目标的中心位置和范围，进而在后续影像序列中持续、稳定、实时地跟踪目标，并预测其轨迹和状态。当前目标跟踪框架聚焦于鉴别式相关滤波（discriminationcorrelation filters，dcfs）和孪生网络（siamese networks，sns）两大类。
2、尽管基于孪生网络的跟踪范式展现出强大的性能，但复杂耗时的卷积运算及对gpu平台的高度依赖限制了其实际应用。相比之下，相关滤波通过巧妙地结合了快速傅里叶变换和跟踪范式的循环结构，在时域和频域实现了高度协调，从而显著提高了目标跟踪效率。经过不断的探索，现已催生出众多创新性的目标跟踪方法，不仅丰富了目标跟踪的理论体系，也为实际应用提供了强有力的技术支撑。例如：
3、公开号为cn115760906a的中国专利技术专利，公开了一种《无人机目标跟踪场景下引入自注意力机制的抗遮挡单目标跟踪》，其采用hog、位置特征，并巧妙利用注意力机制实现特征加强，然后通过最大化匹配总分数获得最优匹配，进而实现目标位置估计。
4、公开号为cn114926497a的中国专利技术专利，公开了《一种基于eco的单目标抗遮挡跟踪方法以及装置》，其通过检测、搜索区域及阈值等参数优化模型计算量，并通过峰值旁瓣比感知当前跟踪可靠性，当反馈不可靠时，采用全局搜索模式和阈值调整来重新定位跟踪。
5、公开号为cn116468752a的中国专利技术专利，公开了《一种面向无人机的单目标跟踪方法》，其面向无人机场景，结合相关滤波和kalman滤波技术，在目标预测阶段训练得到响应动态感知相关滤波器，以处理响应之间的平滑性，然后在后续序列中利用kalman滤波搜索感兴趣区域的位置，有效处理由于快速运动导致的目标消失问题。
6、上述文献均通过引入扩大搜索区域来缓解边界效应的影响，比较棘手的是，目标伴随相似物体出现时，或者目标被部分/完全遮挡时，或者出现其他等不利因素时，过多背景信息的引入使得目标外观在短时间内急剧变化，极易发生模型漂移甚至跟踪失败的情况。
技术实现思路
1、为了解决现有技术中目标伴随不利因素出现时，过多背景信息的引入使得目标外观在短时间内急剧变化，极易发生模型漂移甚至跟踪失败的技术问题，本专利技术提供了一种基于畸变抑制和低秩约束的长时目标跟踪方法。
2、本专利技术的专利技术构思，即通过两个核心策略显著提升跟踪性能：
3、第一、本专利技术巧妙地融合畸变抑制和上下文感知的低秩理论，旨在显式地整合目标及其背景信息，强化滤波器（模型）的鉴别力；在滤波器（模型）学习阶段施加畸变抑制约束，以适应无常的目标外观变化；此外通过引导滤波器（模型）分布在低维的鉴别流行上来强调时序一致性，以提升跟踪稳定性和准确性。
4、第二、本专利技术通过整合历史平均峰值能量
apce，精确评估跟踪结果的可靠性，动态协调滤波器（模型）和检测器跟踪模型。当跟踪状态稳定时，采用第一阶段构建的滤波器（模型）进行跟踪；一旦检测到跟踪不稳定或异常，则激活目标重捕获方法，首先采用背景减除策略生成粗候选区域，随后结合目标的尺度与位置先验信息进行精细筛选，最后通过优化细粒度候选区域的状态和响应置信度，实现目标的精确捕获与恢复，有效避免模型退化问题。
5、为了实现上述目的，完成上述专利技术构思，本专利技术采用如下技术方案：
6、一种基于畸变抑制和低秩约束的长时目标跟踪方法，其特殊之处在于，包括以下步骤：
7、步骤1、选出影像序列中所有跟踪状态持续不可靠的多组连续多帧图像，则每一组连续多帧图像的前一帧图像的状态及性质均已知，对于每组连续多帧图像，根据其前一帧图像的目标状态提取当前帧图像的目标特征及其上下文块特征；所述当前帧图像为对应的连续多帧图像中靠近前一帧图像的图像；
8、其中，，为正整数，为当前帧时刻，表示前一帧图像中目标的中心位置，表示前一帧图像中目标的宽度和高度；
9、步骤2、基于目标特征以及上下文块特征，构建当前帧图像的滤波器；
10、步骤3、采用滑动平均方法，按预设帧间隔更新滤波器，得到加权平均滤波器；
11、其中，表示学习率；
12、步骤4、基于前一帧图像的目标状态，在当前帧图像中目标的中心点周围裁剪感兴趣区域，并提取感兴趣区域的感兴趣特征；
13、步骤5、对感兴趣特征与加权平均滤波器执行卷积操作，得到当前帧图像的响应图：
14、
15、其中，表示逆离散傅里叶变换，和分别表示和的离散傅里叶变换；
16、步骤6、获取重捕获标志位；
17、步骤7、根据重捕获标志位获取当前帧图像的目标状态；
18、如果重捕获标志位，通过重捕获方法获取当前帧图像的目标状态；
19、如果重捕获标志位，根据响应图的峰值获取当前帧图像的目标状态；
20、其中，表示当前帧图像中目标的中心位置，表示当前帧图像中目标的宽度和高度；
21、步骤8、对影像序列中所有跟踪状态持续不可靠的各组连续多帧图像中各帧图像，按帧序分别依次执行步骤1至步骤7，得到所有连续多帧图像中各帧图像的目标状态，与跟踪状态可靠的各帧图像目标状态结合，完成长时目标跟踪。
22、进一步地，步骤2具体包括：
23、2.1、通过步骤1提取的目标特征及上下文块特征，显式地融合目标及其周围的背景信息，构建第一目标函数：
24、
25、其中，和表示目标特征和上下文块特征的循环矩阵，，均为常数，为理想二维高斯响应；
26、2.2、向第一目标函数引入畸变抑制约束，得到第二目标函数：
27、
28、其中，表示循环移位操作，
p、
q分别表示前一帧图像和当前帧图像的
x轴峰值位移差和
y轴峰值位移差，表示前一帧图像的响应图，为畸变抑制惩罚参数；
29、2.3、向第二目标函数施加低秩约束，以强调时序一致性，得到第三目标函数：
30、
31、其中，中存储有历史滤波器，，为负整数；表示矩阵的求秩操作；为低秩约束中的变量；
32、2.4、采用低秩约束的充分条件代替第三目标函数的低秩约束，以重构化第三目标函数，得到第四目标函数：
33、
34、其中，为常数且；
35、2.5、向第四目标函数引入等式约束，得到增广拉格朗日函数：
36、
37、其中，为惩罚参数，为拉格朗日乘子，为辅助变量；
38、2.6、采用交替方向乘子法将增本文档来自技高网
...
【技术保护点】
1.一种基于畸变抑制和低秩约束的长时目标跟踪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于畸变抑制和低秩约束的长时目标跟踪方法，其特征在于，步骤2具体包括：
3.根据权利要求2所述的基于畸变抑制和低秩约束的长时目标跟踪方法，其特征在于，步骤6具体包括：
4.根据权利要求3所述的基于畸变抑制和低秩约束的长时目标跟踪方法，其特征在于，步骤7中，所述通过重捕获方法获取当前帧图像的目标状态，具体包括以下步骤：
5.根据权利要求4所述的基于畸变抑制和低秩约束的长时目标跟踪方法，其特征在于，步骤1中：
6.根据权利要求5所述的基于畸变抑制和低秩约束的长时目标跟踪方法，其特征在于，步骤7.1具体为：
7.根据权利要求6所述的基于畸变抑制和低秩约束的长时目标跟踪方法，其特征在于，步骤7.4具体为：
8.根据权利要求7所述的基于畸变抑制和低秩约束的长时目标跟踪方法，其特征在于，步骤3中：
9.根据权利要求8所述的基于畸变抑制和低秩约束的长时目标跟踪方法，其特征在于，步骤2.7中：
【技术特征摘要】
1.一种基于畸变抑制和低秩约束的长时目标跟踪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于畸变抑制和低秩约束的长时目标跟踪方法，其特征在于，步骤2具体包括：
3.根据权利要求2所述的基于畸变抑制和低秩约束的长时目标跟踪方法，其特征在于，步骤6具体包括：
4.根据权利要求3所述的基于畸变抑制和低秩约束的长时目标跟踪方法，其特征在于，步骤7中，所述通过重捕获方法获取当前帧图像的目标状态，具体包括以下步骤：
5.根据权利要求4所述的...
【专利技术属性】
技术研发人员：苏银强，赵惠，樊学武，戴宏，
申请(专利权)人：中国科学院西安光学精密机械研究所，
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。