基于特征滤波和快速运动检测模板预测的自适应尺度图像序列目标跟踪方法
【技术领域】
[0001 ] 本发明涉及视频目标跟踪领域，尤其是一种图像序列目标跟踪方法。
【背景技术】
[0002] 相机在远距离且高速运动状态中快速接近目标的过程中始终保持对目标跟踪，是 各种目标跟踪应用场景中的一种。在远距离的情景下，目标物体在传感器器上成像尺寸非 常小，往往小于15X15像素，甚至只有5X5像素。而这样的尺度下，成像区域的特征极为 不明显，不利于利用对象色彩、纹理、结构等特征进行跟踪。在自然场景下，目标对象的背景 非常复杂和随机，且前景可能还有遮挡。现有的跟踪算法在这样的应用场景下，均不能很好 完成跟踪任务。而本算法可以稳健的跟踪目标。
[0003] 为了提高对目标跟踪性能的稳健性，采用更快处理性能的跟踪算法能够应对目标 快速移动及相机姿态的变化。该算法可以在线保持超过300帧/秒的处理速度，从而加强 算法的稳健性。
[0004] 现有的相机图像序列目标跟踪方法的缺陷：无法检测识别在复杂背景下的远距离 小目标，极易跟丢目标。针对目标移动和相机快速运动的特点，原有方法跟踪性能更差。
【发明内容】
[0005] 为了克服已有的目标跟踪方法在复杂背景下，对远距离小目标难以检测特征、跟 踪性能较差的不足，本发明提供一种有效适用于复杂背景下远距离小目标的跟踪、跟踪性 能较好的基于特征滤波和快速运动检测模板预测的图像序列目标跟踪方法。
[0006] 本发明解决其技术问题所采用的技术方案是：
[0007] -种基于特征滤波和快速运动检测模板预测的自适应尺度变化的图像序列目标 跟踪方法，包括如下步骤：
[0008] 1)从相机或图像序列中获得图像，在初始帧中指定需要跟踪的对象，把对象通过 基于高斯核的快速傅立叶变换转换到频域，构建特征滤波器；
[0009] 2)构建快速运动预测模板，用于快速的运动目标的运动预测；
[0010] 3)构建对象成像尺度变化模型，用于预测在目标跟踪过程中，对目标尺度变化的 预测；
[0011] 4)在随后第二帧中，由快速运动预测模板获得对象预估位置，以该预估位置为中 心，再根据对象成像尺度变化模型获得相应匹配搜索框的位置；
[0012] 在匹配搜索框内，使用已经构建的特征滤波器进行滤波，把最大响应值位置作为 目标定位，完成第二帧的目标跟踪；
[0013] 同时，按照第二帧目标跟踪的对象，重新生成特征滤波器，作为下一帧将要使用的 特征滤波器；
[0014] 5)在随后帧中，依次重复步骤4)，直至视频或图像序列结束。
[0015] 本发明的技术构思为：基于核滤波器的目标检测方法对对象尺度变化敏感，不能 适应对象在成像平面中尺度变化；并且由于对象和相机运动，使得对象在成像平面里时常 有较大的跳跃运动等，容易造成检测对象处于检测框边缘或超出检测框；而扩大检测窗将 会造成快速傅立叶变换的计算量显著增加，降低处理性能和速度。而传统的卡尔曼滤波器 进行位置预测，需要消耗较大计算能力，算法复杂度为2X03,而采用快速运动检测模板， 算法复杂度是C常数量。因此，采用基于对象成像尺度变化模型的自适应检测窗口变化和 快速运动检测模板能显著提高基于核滤波器的目标跟踪算法的性能，并保持很快的跟踪速 度。
[0016] 本发明的有益效果主要表现在：有效适用于复杂背景下远距离小目标的跟踪、跟 踪性能较好；有效提取目标区域特征，快速运动模板预测，精确的自适应窗口融合，提高跟 踪性能的稳健性，该方法可以用于但不限于高速行驶汽车对交通标识识别跟踪、高速飞行 器对目标跟踪等。
【附图说明】
[0017] 图1是基于特征滤波和快速运动检测模板预测的图像序列目标跟踪方法的流程 图。
[0018] 图2是对象成像尺度变化模型的示意图。
[0019] 图3是一阶运动模型的示意图。
[0020] 图4是运动模板的示意图。
【具体实施方式】
[0021] 下面结合附图对本发明作进一步描述。
[0022] 参照图1~图4, 一种基于特征滤波和快速运动检测模板预测的自适应尺度图像 序列目标跟踪方法，包括如下步骤：
[0023] 1)从相机或图像序列中获得图像，在初始帧人工指定或使用其他方法获得对需要 跟踪对象的指定。把对象通过基于高斯核的快速傅立叶变换转换到频域，构建特征滤波器。
[0024] 2)构建快速运动预测模板，用于快速的运动目标的运动预测。
[0025] 3)构建对象成像尺度变化模型，用于预测在目标跟踪过程中，对目标尺度变化的 预测。
[0026] 4)在随后第二帧中，由快速运动预测模板获得对象预估位置，以该预估位置为中 心，再根据对象成像尺度变化模型获得相应匹配搜索框的位置。
[0027] 在匹配搜索框内，使用步骤1)已经构建的特征滤波器进行滤波，把最大相应值位 置作为目标定位，完成第二帧的目标跟踪。
[0028] 同时，根据步骤1)相同的方法，将第二帧目标跟踪对象重新生成特征滤波器，作 为下一帧将要使用的滤波器。
[0029] 5)在随后帧中，依次重复步骤4)，直至视频或图像序列结束。
[0030] 本实施例中，用图2所示方法表示图像传感器上靶标成像的对象成像尺度变化模 型，图中L为靶标的长度，d。为起始位置到目标的距离（物距），f为焦距。在t = 0时刻，u。 为成像大小，0。为起始位置的光心。在t = 1时刻，u i为成像大小，0 光心。V为相机运 动速度，a为运动加速度，t为测量时刻。这个模型中，假设目标、相机光心、相机运动轨迹是 在同一个轴向上。
[0031] 在此条件下，摄像机成像平面上靶标的大小为：
[0033] 其中μ。为像素实际尺寸，f = η μ。。
[0034] 根据以上变化模型进行定标，获得摄像机距离和目标在图像平面上的关系，进而 为目标跟踪提供跟踪对象的尺度变化。
[0035] 根据如图3的一阶运动模型，构建了如图4的运动模板，根据前两帧的目标位置， 预测下一帧的目标方位。这个模板定位虽然初略，但是可以提供出目标的大体方位。因为 具体定位通过滤波器获得，但是如此计算量小的方法，却为后续的滤波算法提供了必要的 优化；
[0036] 特征滤波器的构建过程：内核化的岭回归Ridge Regression的解：
[0039] 其中，α是图像y和z关系映射，K是核函数，λ是常数系数，I是单位向量。如 下式所示，我们采用了高斯核，σ是常数方差。
[0041] 当获取了已知的两帧图像ζ(前一帧）和y(当前帧）之后，计算出两幅图像之间 的一种映射关系α。当后一帧图像X输入时，可以用α与x、y在两幅图像的核空间内进 行相关联，进而可以获y在x-y核空间上的响应值，进而可以通过寻找最大响应点而获得目 标在X区域上的定位，三者的关联关系可如下所表达：
[0043] 覺是响应函数，a i是对应于每个像素点的映射关系，y d Xl分别是当前帧和下一 帧图像的每个像素点对应值，i是指每个像素点。求愛的值最大处的位置，即求出了目标的 位置。为了计算快速，在计算时都在傅立叶变换后的频域进行，采样窗口采用汉明窗进行变 换。
[0045] 式中F，是傅立叶变换的符号，*F是傅立叶变换的共辄，F 1是傅立叶变换的逆变 换，I是单位向量。
[0046]
[0047] 其中，z，y，x分别是前一帧和当前帧含有靶标的图像窗口，后一帧为待检测的图像 窗口。
[0048] 本实施例的方案应用于相机在高速运动中近似直接接近目标的目标跟踪的应用 场景，取得稳定的跟踪效果。
【主权项】
1. 一种基于特征滤波和快速运动检测模板预测的自适应尺度图像序列目标跟踪方法， 其特征在于：包括如下步骤： 1) 从相机或图像序列中获得图像，在初始帧中指定需要跟踪的对象，把对象通过基于 高斯核的快速傅立叶变换转换到频域，构建特征滤波器； 2) 构建快速运动预测模板，用于快速的运动目标的运动预测； 3) 构建对象成像尺度变化模型，用于预测在目标跟踪过程中，对目标尺度变化的预 测； 4) 在随后第二帧中，由快速运动预测模板获得对象预估位置，以该预估位置为中心，再 根据对象成像尺度变化模型获得相应匹配搜索框的位置； 在匹配搜索框内，使用已经构建的特征滤波器进行滤波，把最大响应值位置作为目标 定位，完成第二帧的目标跟踪； 同时，按照第二帧目标跟踪的对象，重新生成特征滤波器，作为下一帧将要使用的特征 滤波器； 5) 在随后帧中，依次重复步骤4)，直至视频或图像序列结束。
【专利摘要】一种基于特征滤波和快速运动检测模板预测的自适应尺度图像序列目标跟踪方法，包括如下步骤：1)在初始帧中指定需要跟踪的对象，把对象通过基于高斯核的快速傅立叶变换转换到频域，构建特征滤波器；2)构建快速运动预测模板；3)构建对象成像尺度变化模型；4)在第二帧中，由快速运动预测模板获得对象预估位置，以该预估位置为中心，根据对象成像尺度变化模型获得相应匹配搜索框的位置；使用特征滤波器进行滤波，把最大响应值位置作为目标定位；同时，生成新的特征滤波器，作为下一帧将要使用的特征滤波器；5)在随后帧中，依次重复步骤4)，直至视频或图像序列结束。本发明有效适用于复杂背景下远距离小目标的跟踪、跟踪性能较好。
【IPC分类】G06T7/20
【公开号】CN105354863
【申请号】CN201510721227
【发明人】陈胜勇, 高强, 邹祎杰, 张剑华, 刘盛, 谢臻
【申请人】浙江工业大学
【公开日】2016年2月24日
【申请日】2015年10月30日