1.一种结合尺度自适应与模型更新的目标跟踪方法,其特征在于:包括以下步骤:步骤一:根据当前帧目标状态,确定初步搜索区域;
步骤二:训练尺度相关滤波器,估计目标尺度变化,从而准确调整搜索区域大小;
步骤三:构建训练模型,得到置信响应图;进而依据响应图波动完成遮挡判定;
步骤四:根据遮挡判定自适应地调整模型学习速率大小;
步骤五:通过给定阈值进行相应的训练模型更新;
所述步骤二具体为:利用方向梯度直方图特征训练尺度相关滤波器,以达到目标尺度估计;为获得最佳尺度相关滤波器,最小化目标函数d
其中,d为特征维数,wscale为尺度相关滤波器,u为理想输出,f表示第d维特征通道,λ为正则化系数,当前帧利用快速傅里叶变换求解,通过求解尺度相关滤波器响应值,以最大响应值确定目标尺度;假定第t帧目标尺度为st,尺度相关滤波模型得到当前帧对应目标尺度snew,计算目标尺度变化:Δs=snew‑st
若目标尺度相对缩小时,缩小相应搜索区域面积;若目标尺度相对扩大时,扩大相应搜索区域面积,依据下式改变目标搜索区域比例大小search_asnew=search_asold*(1+Δs)其中,search_as为跟踪过程中目标的搜索区域比例;通过自适应调整搜索区域比例大小,从而有效调整目标搜索区域大小其中,i,j表示矩阵大小,init_tsz表示初始目标大小,featureR表示细胞单元大小;
所述步骤三具体为:背景感知相关滤波器通过密集采样的方法得到充分样本信息,同时利用掩码矩阵采集真正的负样本信息,该模型通过最小化目标函数学习多通道背景感知相关滤波器:其中,y为期望输出的样本标签,xk表示候选样本第k个通道的特征图,[Δτ]为循环移位算子,hk表示滤波器的第k个通道,P为二值矩阵,其大小为D×T,T为样本特征图大小,D为样本中目标块特征图大小,λ为正则化参数;
利用快速傅里叶方法将运算由实域转换到频域:
其中,矩阵X表示由各通道样本的循环矩阵构成,大小T×KT, 表示矩阵X的离散傅里叶变换操作, 表示K×T维列向量, 表示克罗内克积,Ik表示K阶单位矩阵;利用交替方向乘子算法完成优化求解,得到多通道相关滤波器hk。
2.根据权利要求1所述的一种结合尺度自适应与模型更新的目标跟踪方法,其特征在于:所述步骤四具体为:由Gapce量化滤波器输出的响应图整体波动情况,具体定义如下:其中,max(y(i)),min(y(i)),y(i)分别表示响应图最大响应值、最小响应值和每一个位置的响应值;当最大响应值一定比例超过历史响应值的均值和Gapce值高于阈值时,表示响应图中位置具有高置信度,即满足下式:Gapce>ζ
其中α1和ζ为经验值,随着目标受到不同程度的遮挡,Gapce持续动态变化,当遮挡程度越厉害,Gapce值越小,当其小于阈值ζ时,则学习速率处于最小值。
3.根据权利要求1所述的一种结合尺度自适应与模型更新的目标跟踪方法,其特征在于:所述步骤五具体为:响应图中位置具有高置信度时,则更新滤波器系数ε和目标模型F,其更新公式为: