【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)屬于目標(biāo)跟蹤，具體涉及一種異常光線干擾下泊位標(biāo)記點(diǎn)魯棒跟蹤方法。
技術(shù)介紹
1、隨著計(jì)算機(jī)視覺(jué)與人工智能技術(shù)的持續(xù)突破，目標(biāo)跟蹤技術(shù)也迎來(lái)了飛速發(fā)展。特別是基于深度學(xué)習(xí)的目標(biāo)跟蹤算法，已成為當(dāng)前的主流趨勢(shì)。通過(guò)大規(guī)模數(shù)據(jù)的訓(xùn)練，這些算法顯著提升了目標(biāo)檢測(cè)的準(zhǔn)確性與魯棒性，使得目標(biāo)跟蹤技術(shù)在視頻監(jiān)控、自動(dòng)駕駛、機(jī)器人導(dǎo)航等眾多領(lǐng)域得到了廣泛而深入的應(yīng)用。
2、常見(jiàn)的目標(biāo)跟蹤算法是kcf（kernelized?correlation?filter）跟蹤算法，它通過(guò)使用核相關(guān)濾波器將目標(biāo)的模型與當(dāng)前幀中的候選目標(biāo)進(jìn)行匹配，?實(shí)現(xiàn)目標(biāo)的準(zhǔn)確跟蹤。?kcf跟蹤原理的核心思想是在當(dāng)前幀中，?利用上一幀目標(biāo)的位置和特征信息，?通過(guò)核相關(guān)濾波器來(lái)進(jìn)行目標(biāo)的跟蹤。?
3、但在惡劣環(huán)境下，由于泊位標(biāo)記點(diǎn)附近被異常光線干擾，導(dǎo)致被跟蹤標(biāo)記點(diǎn)特征惡化，現(xiàn)有基于kcf的跟蹤方法無(wú)法對(duì)被異常光線干擾的泊位標(biāo)記點(diǎn)進(jìn)行連續(xù)準(zhǔn)確跟蹤，最終導(dǎo)致錯(cuò)誤跟蹤，使得泊位跟蹤性能惡化。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)的目的在于提供一種異常光線干擾下泊位標(biāo)記點(diǎn)魯棒跟蹤方法。
2、本專利技術(shù)提供了一種異常光線干擾下泊位標(biāo)記點(diǎn)魯棒跟蹤方法，其包括以下步驟：
3、步驟一、在初始時(shí)刻的avm圖像中設(shè)定多個(gè)泊位的目標(biāo)點(diǎn)為初始標(biāo)記點(diǎn)，構(gòu)建初始分類器參數(shù)。
4、步驟二、根據(jù)上一時(shí)刻k-1的標(biāo)記點(diǎn)獲取當(dāng)前時(shí)刻k的目標(biāo)特征矩陣；利用目標(biāo)特征矩陣獲取第i條標(biāo)記點(diǎn)航跡的歷史置信度集合
5、步驟三、根據(jù)當(dāng)前時(shí)刻k的標(biāo)記點(diǎn)位置更新標(biāo)記點(diǎn)航跡。
6、步驟四、訓(xùn)練分類器，并對(duì)當(dāng)前時(shí)刻k與上一時(shí)刻k-1的分類器參數(shù)進(jìn)行加權(quán)融合；根據(jù)歷史置信度集合獲取當(dāng)前時(shí)刻k的置信度均方差。若置信度均方差和均小于設(shè)置的閾值，則重設(shè)權(quán)重系數(shù)來(lái)減小上一時(shí)刻分類器參數(shù)的權(quán)重；反之，則使用預(yù)設(shè)的權(quán)重系數(shù)更新分類器參數(shù)。
7、步驟五、循環(huán)步驟二至四，獲取標(biāo)記點(diǎn)在不同時(shí)刻的位置，完成對(duì)標(biāo)記點(diǎn)的跟蹤，實(shí)現(xiàn)對(duì)泊位的軌跡跟蹤。
8、作為優(yōu)選，所述的分類器參數(shù)為分類器權(quán)重矩陣和歷史目標(biāo)特征矩陣。
9、作為優(yōu)選，所述的步驟四中，融合當(dāng)前時(shí)刻k與上一時(shí)刻k-1的分類器參數(shù)的方法如下：
10、若置信度均方差和均小于設(shè)置的閾值，則融合后的第i條航跡在當(dāng)前時(shí)刻k的分類器權(quán)重矩陣和歷史目標(biāo)特征矩陣的表達(dá)式為：
11、
12、
13、若置信度均方差和均大于或等于設(shè)置的閾值，則融合后的第i條航跡在當(dāng)前時(shí)刻k的分類器權(quán)重矩陣和歷史目標(biāo)特征矩陣的表達(dá)式為：
14、
15、
16、重設(shè)的權(quán)重系數(shù)大于預(yù)設(shè)的權(quán)重系數(shù)。
17、作為優(yōu)選，所述的步驟一中，目標(biāo)點(diǎn)為多個(gè)泊位在初始時(shí)刻的的兩個(gè)角點(diǎn)坐標(biāo)。
18、作為優(yōu)選，所述的步驟二中，置信度的獲取方法如下：
19、將當(dāng)前時(shí)刻的目標(biāo)特征矩陣與上一時(shí)刻歷史目標(biāo)特征矩陣進(jìn)行相似度計(jì)算，獲取高斯響應(yīng)矩陣；使用高斯響應(yīng)矩陣點(diǎn)乘上一時(shí)刻k-1的分類器權(quán)重矩陣，獲取輸出響應(yīng)矩陣，取輸出響應(yīng)矩陣中最大元素作為當(dāng)前時(shí)刻k的置信度。
20、作為優(yōu)選，所述的當(dāng)前時(shí)刻k的標(biāo)記點(diǎn)位置的獲取方法為：通過(guò)傅里葉逆變換將輸出響應(yīng)矩陣fk轉(zhuǎn)換到圖像坐標(biāo)系，取輸出響應(yīng)矩陣中最大元素對(duì)應(yīng)avm圖像中的位置作為當(dāng)前時(shí)刻k的標(biāo)記點(diǎn)位置。
21、作為優(yōu)選，所述的目標(biāo)特征矩陣的獲取方法如下：
22、通過(guò)上一時(shí)刻k-1的標(biāo)記點(diǎn)位置建立目標(biāo)框，并對(duì)目標(biāo)框進(jìn)行擴(kuò)充后獲取當(dāng)前時(shí)刻k的預(yù)測(cè)窗口，對(duì)當(dāng)前時(shí)刻k的預(yù)測(cè)窗口進(jìn)行特征提取后，獲取當(dāng)前時(shí)刻k的目標(biāo)特征矩陣。
23、作為優(yōu)選，所述的分類器權(quán)重矩陣和歷史目標(biāo)特征矩陣的表達(dá)式為：
24、
25、
26、其中，為第i條航跡在當(dāng)前時(shí)刻k的標(biāo)記點(diǎn)的目標(biāo)特征矩陣；為目標(biāo)特征矩陣對(duì)應(yīng)的特征相似矩陣；和λ分別為預(yù)設(shè)的高斯標(biāo)簽和正則化參數(shù)。
27、作為優(yōu)選，所述的步驟三中，更新標(biāo)記點(diǎn)航跡的方法如下：
28、a)若當(dāng)前時(shí)刻k存在檢測(cè)網(wǎng)絡(luò)獲取的檢測(cè)標(biāo)記點(diǎn)，建立當(dāng)前時(shí)刻k所有檢測(cè)標(biāo)記點(diǎn)的集合；其中，為當(dāng)前時(shí)刻k的第i個(gè)檢測(cè)標(biāo)記點(diǎn)在圖像坐標(biāo)系的位置；和分別為第i條航跡在當(dāng)前時(shí)刻k的標(biāo)記點(diǎn)的橫縱坐標(biāo)。
29、以步驟二獲取的當(dāng)前時(shí)刻k的標(biāo)記點(diǎn)位置作為跟蹤標(biāo)記點(diǎn)位置，建立所有跟蹤標(biāo)記點(diǎn)的集合；其中，為當(dāng)前時(shí)刻k的第j個(gè)跟蹤標(biāo)記點(diǎn)在圖像坐標(biāo)系的位置；j=1,2,...,2n。
30、若，則使用跟蹤標(biāo)記點(diǎn)更新航跡信息，航跡關(guān)聯(lián)失敗次數(shù)ti加1；其中，為設(shè)定的置信度閾值。若，計(jì)算檢測(cè)標(biāo)記點(diǎn)和跟蹤標(biāo)記點(diǎn)之間的歐式距離dis；若，為設(shè)定的閾值，則使用檢測(cè)標(biāo)記點(diǎn)更新航跡信息；反之，則使用跟蹤標(biāo)記點(diǎn)更新航跡信息并且航跡關(guān)聯(lián)失敗次數(shù)ti加1。如果存在檢測(cè)標(biāo)記點(diǎn)未能與任何現(xiàn)有的標(biāo)記點(diǎn)航跡成功關(guān)聯(lián)，則將該檢測(cè)標(biāo)記點(diǎn)作為初始標(biāo)記點(diǎn)，生成一個(gè)新的航跡。
31、b)若當(dāng)前時(shí)刻k不存在檢測(cè)網(wǎng)絡(luò)獲取的檢測(cè)標(biāo)記點(diǎn)，則使用跟蹤標(biāo)記點(diǎn)更新航跡；若、和中任意一個(gè)條件成立，航跡關(guān)聯(lián)失敗次數(shù)ti加1；其中，δe為設(shè)定的漂移閾值。
32、根據(jù)關(guān)聯(lián)失敗次數(shù)ti對(duì)當(dāng)前時(shí)刻k所有更新的標(biāo)記點(diǎn)航跡進(jìn)行判斷；若ti＞，則刪除對(duì)應(yīng)的航跡；反之，則保留航跡；其中，為預(yù)設(shè)的關(guān)聯(lián)失敗次數(shù)閾值。
33、作為優(yōu)選，所述的步驟四中，當(dāng)前時(shí)刻k的置信度均方差的表達(dá)式為：
34、
35、其中，為置信度集合均值。
36、本專利技術(shù)具有的有益效果是：
37、1、本專利技術(shù)通過(guò)分析泊位標(biāo)記點(diǎn)的置信度來(lái)動(dòng)態(tài)調(diào)整分類器的權(quán)重，增強(qiáng)預(yù)測(cè)窗口內(nèi)標(biāo)記點(diǎn)特征與歷史特征之間的相似性，有效排除歷史特征中由異常光線引起的累積干擾，精確地確定標(biāo)記點(diǎn)的位置，解決了泊位標(biāo)記點(diǎn)附近被異常光線干擾導(dǎo)致的錯(cuò)誤跟蹤問(wèn)題，提高了在異常光線條件下泊位標(biāo)記點(diǎn)的跟蹤準(zhǔn)確性和穩(wěn)定性。
38、2、本專利技術(shù)能夠有效地在光線干擾的情況下連續(xù)精確地跟蹤泊位標(biāo)記點(diǎn)，相比于kcf算法有顯著的提升，能夠應(yīng)用于無(wú)人駕駛中的自動(dòng)泊車技術(shù)，提高自動(dòng)泊車的準(zhǔn)確性，進(jìn)而實(shí)現(xiàn)更好的自主代客泊車效果。
本文檔來(lái)自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種異常光線干擾下泊位標(biāo)記點(diǎn)魯棒跟蹤方法，其特征在于：包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種異常光線干擾下泊位標(biāo)記點(diǎn)魯棒跟蹤方法，其特征在于：所述的分類器參數(shù)為分類器權(quán)重矩陣和歷史目標(biāo)特征矩陣。
3.根據(jù)權(quán)利要求2所述的一種異常光線干擾下泊位標(biāo)記點(diǎn)魯棒跟蹤方法，其特征在于：所述的步驟四中，融合當(dāng)前時(shí)刻k與上一時(shí)刻k-1的分類器參數(shù)的方法如下：
4.根據(jù)權(quán)利要求3所述的一種異常光線干擾下泊位標(biāo)記點(diǎn)魯棒跟蹤方法，其特征在于：所述的步驟四中，融合前的分類器權(quán)重矩陣和歷史目標(biāo)特征矩陣的表達(dá)式為：
5.根據(jù)權(quán)利要求1所述的一種異常光線干擾下泊位標(biāo)記點(diǎn)魯棒跟蹤方法，其特征在于：所述的步驟一中，目標(biāo)點(diǎn)為多個(gè)泊位在初始時(shí)刻的的兩個(gè)角點(diǎn)坐標(biāo)。
6.根據(jù)權(quán)利要求1所述的一種異常光線干擾下泊位標(biāo)記點(diǎn)魯棒跟蹤方法，其特征在于：所述的步驟二中，置信度的獲取方法如下：
7.根據(jù)權(quán)利要求1所述的一種異常光線干擾下泊位標(biāo)記點(diǎn)魯棒跟蹤方法，其特征在于：所述的步驟二中，當(dāng)前時(shí)刻k的標(biāo)記點(diǎn)位置的獲取方法為：通過(guò)傅里葉逆變換將輸出響應(yīng)矩陣
8.根據(jù)權(quán)利要求1所述的一種異常光線干擾下泊位標(biāo)記點(diǎn)魯棒跟蹤方法，其特征在于：所述的目標(biāo)特征矩陣的獲取方法如下：
9.根據(jù)權(quán)利要求1所述的一種異常光線干擾下泊位標(biāo)記點(diǎn)魯棒跟蹤方法，其特征在于：所述的步驟三中，更新標(biāo)記點(diǎn)航跡的方法如下：
10.根據(jù)權(quán)利要求1所述的一種異常光線干擾下泊位標(biāo)記點(diǎn)魯棒跟蹤方法，其特征在于：所述的步驟四中，當(dāng)前時(shí)刻k的置信度均方差的表達(dá)式為：
...【技術(shù)特征摘要】
1.一種異常光線干擾下泊位標(biāo)記點(diǎn)魯棒跟蹤方法，其特征在于：包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種異常光線干擾下泊位標(biāo)記點(diǎn)魯棒跟蹤方法，其特征在于：所述的分類器參數(shù)為分類器權(quán)重矩陣和歷史目標(biāo)特征矩陣。
3.根據(jù)權(quán)利要求2所述的一種異常光線干擾下泊位標(biāo)記點(diǎn)魯棒跟蹤方法，其特征在于：所述的步驟四中，融合當(dāng)前時(shí)刻k與上一時(shí)刻k-1的分類器參數(shù)的方法如下：
4.根據(jù)權(quán)利要求3所述的一種異常光線干擾下泊位標(biāo)記點(diǎn)魯棒跟蹤方法，其特征在于：所述的步驟四中，融合前的分類器權(quán)重矩陣和歷史目標(biāo)特征矩陣的表達(dá)式為：
5.根據(jù)權(quán)利要求1所述的一種異常光線干擾下泊位標(biāo)記點(diǎn)魯棒跟蹤方法，其特征在于：所述的步驟一中，目標(biāo)點(diǎn)為多個(gè)泊位在初始時(shí)刻的的兩個(gè)角點(diǎn)坐標(biāo)。
6.根據(jù)權(quán)利要求1所述的一種異常光線干擾下泊...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：尤光輝，石義芳，吳畏，夏啟源，
申請(qǐng)(專利權(quán))人：浙江機(jī)電職業(yè)技術(shù)大學(xué)，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。