一种基于相关滤波的在线目标跟踪方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113989329A(43)申请公布日2022.01.28(21)申请号202111282659.7(22)申请日2021.11.01(71)申请人上海电力大学地址200090上海市杨浦区沪城环路1851号(72)发明人王子超温蜜张凯(74)专利代理机构上海德昭知识产权代理有限公司31204代理人郁旦蓉(51)Int.Cl.G06T7/246(2017.01)G06T7/262(2017.01)权利要求书4页说明书9页附图1页(54)发明名称一种基于相关滤波的在线目标跟踪方法(57)摘要本发明公开了一种基于相关滤波的在线目标跟踪方法，具有这样的特征，包括以下步骤：步骤1，输入需要跟踪的视频或切分完成的视频帧；步骤2，在需要跟踪的视频或切分完成的视频帧中给定目标位置和大小；步骤3，根据目标位置和大小，完成对于目标的实时在线跟踪，逐帧地保存预测结果。CN113989329ACN113989329A权利要求书1/4页1.一种基于相关滤波的在线目标跟踪方法，其特征在于，包括以下步骤：步骤1，输入需要跟踪的视频或切分完成的视频帧；步骤2，在所述需要跟踪的视频或所述切分完成的视频帧中给定目标位置和大小；步骤3，根据所述目标位置和大小，完成对于目标的实时在线跟踪，逐帧地保存预测结果。2.根据权利要求1所述的一种基于相关滤波的在线目标跟踪方法，其特征在于：其中，步骤2中，所述给定的方式为系统选定或手工框定。3.根据权利要求1所述的一种基于相关滤波的在线目标跟踪方法，其特征在于：其中，步骤3中，对所述目标位置和大小实行在线跟踪时选用相关滤波器，所述相关滤波器为两个相关信号f和g的卷积响应大于不相关信号的卷积响应：式中，f和g分别为两个信号，f*是f的复共轭，所述f*用于连续域，所述f用于离散域。4.根据权利要求3所述的一种基于相关滤波的在线目标跟踪方法，其特征在于：其中，基于所述相关滤波器，对于一个d维的样本信号，使用fl表示目标切片在第l维的分量，其中l∈{1,...,d}，通过最小化目标函数ε寻找到一个最佳的d维滤波器h：式中，g为与训练样本fl相关的期望输出，取自以目标位置中心为峰值的高斯分布，λ为正则项的权重，*表示循环相关操作，在傅里叶变换后，可以求得式(3)的最优解为：式中，Hl为最优解，F为f的离散傅立叶变换后的值，k表示维度，表示对应变量的复共轭，使用下式得到分子和分母更新的鲁棒的近似解：式中η为学习率参数，为更新的分子近似解，为更新的分母近似解，在使用所述相关滤波器寻找目标位置和大小时，计算得到一个矩形区域特征图Z上的得分响应图y，通过最大化特征响应得分来确定下一帧目标的位置/大小：2CN113989329A权利要求书2/4页5.根据权利要求3所述的一种基于相关滤波的在线目标跟踪方法，其特征在于：其中，步骤3中，在所述相关滤波器的基础上加入插值模型，该模型可以插值具有不同分辨率的层：式中，为一个分辨率为Nd的特征层，bd为周期T>0的核函数，d式(8)将结果Jd{x}(t)插值成一个连续的以T为周期的函数，并训练了一个多通道的相关滤波器f＝(f1,…,fD)来预测目标的位置：所述多通道的相关滤波器是通过将式(9)最小化得到的：式中，使用一个高斯分布来代表检测得分的标签，并且使用一个L2范数来计算分类器误差，式中α是权重系数，w为核函数，将式(10)转化到傅里叶域，更快地获得式(10)的最优解，式(10)转化为：式中，代表g在傅里叶域对应的值，误差转化为把上述问题假定为一个二次问题来获得解。式中，矩阵A是一个稀疏矩阵，矩阵A的对角线元素为形式，τ为权重系数对应的对角矩阵，W为核函数对应的相关矩阵。6.根据权利要求1所述的一种基于相关滤波的在线目标跟踪方法，其特征在于：其中，步骤3中，分别加入长宽比例滤波器、颜色直方图滤波器以及跟踪回溯机制用于提高跟踪精度。7.根据权利要求6所述的一种基于相关滤波的在线目标跟踪方法，其特征在于：其中，所述长宽比例滤波器为采用一个独立的相关滤波器来跟踪目标的比率变化，并采用主成分分析降维技术来降低所述长宽比例滤波器的计算量，使用三角多项式插值来保证预测结果的准确与尺度一致，这一过程的输入为：t帧的输入图像It、目标在t‑1帧的位置pt‑1、尺寸st‑1、比例rt‑1以及3CN113989329A权利要求书3/4页t‑1帧输出的位置滤波器尺寸滤波器比例滤波器这一过程的输出为：目标在t帧的位置pt、尺寸st、比例rt以及更新后的位置滤波器尺寸滤波器比例滤波器执行过程为：步骤3‑1，位置预测；步骤3‑2，尺度预测；步骤3‑3，比例预测；步骤3‑4，更新滤波器，其中，步骤3‑1中，位置预测阶段包括：步骤3‑1‑1，以上一帧的目标位