一种基于卷积轮廓特征的目标跟踪算法.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CN106815862A(43)申请公布日2017.06.09(21)申请号201710059757.1(22)申请日2017.01.24(71)申请人武汉大学地址430072湖北省武汉市武昌区珞珈山武汉大学(72)发明人何发智李康(74)专利代理机构武汉科皓知识产权代理事务所(特殊普通合伙)42222代理人鲁力(51)Int.Cl.G06T7/246(2017.01)权利要求书2页说明书5页附图1页(54)发明名称一种基于卷积轮廓特征的目标跟踪算法(57)摘要本发明涉及一种基于卷积轮廓特征的目标跟踪算法，本发明首先在第一帧采集目标的卷积轮廓特征用于构建目标外观摩模型。其次，使用粒子滤波算法在下一帧采集候选样本，并提取出候选样本的卷积轮廓特征。接着，使用已训练好的目标外观模型与候选样本特征进行比对。在进行目标相似性对比时,仅使用目标中比较明亮的部分，这种策略使得算法能够应对跟踪中常遇到的部分遮挡问题。最后，在每一帧跟踪结束时，使用新跟踪到的目标对外观模型进行更新，使得目标外观模型能够适应目标最新的变化。跟踪算法根据上述步骤迭代地对目标进行持续地跟踪。CN106815862ACN106815862A权利要求书1/2页1.一种基于卷积轮廓特征的目标跟踪算法，其特征在于：包括以下步骤：步骤1、初始化第1帧的目标位置，定义目标位置是一个矩形框，框内是需要跟踪的目标，并定义时间参数t＝1；确定第1帧的目标位置其中，包含四个参数：具体是目标在该帧中的行坐标列坐标宽度和高度步骤2、初始化第一帧粒子参数其中表示第t帧的第i个粒子，所包含的参数与目标位置的参数相同，具体是行坐标列坐标宽度和高度则表示粒子的个数；步骤3、初始化卷积模板；步骤4、初始化第1帧的目标外观模板；步骤5、进入第t+1帧进行跟踪，每一个粒子通过公式(1)进行移动得到新的粒子集其中Δa为4维随机变量，其中的元素为服从高斯分布Δa～N(0,Ω)，其中作为优选本研究中取σx＝8，σy＝8，σw＝0.02，σh＝0.02.步骤6、求解t+1时刻目标位置.令Median(g)为向量g中的中值；令Ig表示向量g中所有小于其中间数Median(g)的元素的索引.令zero(A,I)为一个函数,zero(A,I)用于是将向量A中的包含在索引向量I中的对应元素赋值为0.即:A(I)＝0；令z＝zero(s,Is)和则目标在第t+1时刻的目标状态可以通过公式(2)获得2CN106815862A权利要求书2/2页其中函数O(s)表示将向量s中的所有元素正则化.例如,假设令则其中Σsub2(s)表示将sub2(s)中的所有元素相加.步骤7、在得出第t+1时刻的目标后,求解出第t+1时刻的目标外观模板然后对目标模板进行更新s＝λs+(1-λ)s′.其中λ为学习率.作为优选,本研究中取λ＝0.95.步骤8、如果此时第t+1帧不是最后一帧,则令t＝t+1进入下一帧,转至步骤5.否则退出跟踪循环,跟踪完成。2.根据权利要求书1中所述的一种基于卷积轮廓特征的目标跟踪算法，其特征在于所述的步骤4中，初始化第1帧的目标外观模板具体包括：令f(x)表示从样本x中提取的特征.特征提取方式为将x所表示的目标框中的像素采样至32×32像素的方块；令表示第i个模板与样本x的卷积；令H(x)＝(h1(x),...,h8(x))表示从样本x中提取的卷积特征.令V(x)＝vec(H(x))表示将卷积特征H(x)向量化；则,目标在第1帧时的目标模板被定义为:3.根据权利要求书1中所述的一种基于卷积轮廓特征的目标跟踪算法，其特征在于所述的步骤1中目标的初始位置是由手动确定的。4.根据权利要求书1中所述的一种基于卷积轮廓特征的目标跟踪算法，其特征在于所述的步骤2中粒子的选取个数为600个。5.根据权利要求书1中所述的一种基于卷积轮廓特征的目标跟踪算法，其特征在于所述的步骤3中卷积模板选取的是Sobel和Prewitt算子。6.根据权利要求书1中所述的一种基于卷积轮廓特征的目标跟踪算法，其特征在于所述的步骤6中随机变量Δa的参数为：σx＝8，σy＝8，σw＝0.02，σh＝0.02。7.根据权利要求书1中所述的一种基于卷积轮廓特征的目标跟踪算法，其特征在于所述的步骤7中学习率参数λ＝0.95。3CN106815862A说明书1/5页一种基于卷积轮廓特征的目标跟踪算法技术领域[0001]本发明涉及目标跟踪领域，尤其涉及一种基于卷积轮廓特征的目标跟踪算法。背景技术[0002]公知，目标跟踪是计算机视觉领域中的一个热门研究方向.它在军事、娱乐、医疗、人机交互等领域有着广泛的应用.[0003]目标跟踪算法根据其外观模型的不同可以分为两类：生成方法和判别方法。生成方法能够