【技術實現步驟摘要】
本專利技術屬于計算機視覺，具體涉及一種結合軌跡預測的抗遮擋單目標長時跟蹤方法及系統。
技術介紹
1、單目標跟蹤技術是計算機視覺領域中長期的研究熱點。隨著計算機視覺技術的發展，單目標跟蹤在許多實際應用中發揮著重要作用，如視頻監控、自動駕駛、機器人導航和人機交互等。單目標跟蹤的目標是從視頻序列中指定并持續跟蹤一個特定的目標對象，同時需要應對目標外觀變化、遮擋、快速移動以及背景干擾等挑戰。單目標跟蹤技術的發展可以追溯到早期的基于模型的方法，這些方法通常依賴于預定義的模板或目標模型，通過匹配來跟蹤目標。然而，這種方法對目標外觀的變化非常敏感，難以應對復雜的場景。隨著機器學習和深度學習技術的興起，單目標跟蹤在模型的魯棒性和精確性上得到了顯著提升。
2、基于深度學習的單目標跟蹤方法通常采用卷積神經網絡（cnn）來提取目標的深度特征，從而提高對復雜背景和光照變化的適應能力。比如，siamese網絡結構在單目標跟蹤中的應用受到了廣泛關注。siamese網絡通過將目標和搜索區域同時輸入到孿生網絡中，計算二者之間的相似度，從而實現高效的目標定位。除了siamese網絡，基于生成對抗網絡（gan）和注意力機制的單目標跟蹤方法也取得了顯著的研究進展。gan通過生成器和判別器的對抗訓練，能夠生成逼真的目標樣本，增強了跟蹤器對目標外觀變化的適應能力。注意力機制則通過聚焦于圖像中的重要區域，提升了跟蹤的精度和魯棒性。
3、雖然單目標跟蹤技術取得了長足的進步，但仍然面臨許多挑戰。特別在如何高效應對目標的快速運動、劇烈形變以及復雜的遮擋情
4、在長時跟蹤中，有效處理遮擋，特別是嚴重遮擋的能力，是評價目標跟蹤算法性能的重要方面，對提高目標跟蹤算法的魯棒性具有重要意義，然而，現有的跟蹤算法均沒有很好地解決現實場景下的目標遮擋問題或者只能應對目標在短時間被部分遮擋(目標遮擋面積≤目標總面積50％)，并且現有的遮擋判據并不能很好的與跟蹤算法進行融合，在很多時候遮擋判據會出現錯誤判斷，嚴重影響了跟蹤算法的性能。針對現有跟蹤算法難以有效應對現實場景下目標被長時遮擋的問題，我們提出一種結合軌跡預測的抗遮擋單目標長時跟蹤方法，首先改進目標跟蹤算法的模板更新策略，保證目標跟蹤模板始終具有較高的置信度，避免目標模板因遮擋或其他環境因素收到干擾，結合全新的遮擋判定方法，準確判定目標是否被遮擋，在確認目標被遮擋時及時改變跟蹤策略，在目標被遮擋時利用軌跡預測算法實時預測目標位置，動態調整目標搜索范圍，保證目標出現時被及時捕獲。
技術實現思路
1、本專利技術的目的在于提供一種結合軌跡預測的抗遮擋單目標長時跟蹤方法及系統，針對當前目標跟蹤算法無法有效長時跟蹤遮擋目標的問題，重點改進目標模板更新策略，提出一種適用于低算力資源平臺的快速遮擋判定方法，同時結合基于卡爾曼濾波的軌跡預測算法，在目標被遮擋時對目標位置進行預測，實時更新目標搜索范圍，以實現準確穩定的長時目標跟蹤。
2、為了實現上述目的，本專利技術采用如下技術方案：
3、一種結合軌跡預測的抗遮擋單目標長時跟蹤方法，包括：
4、目標初始化，首先手動指定目標的位置和大小，確定需要跟蹤的區域，對目標區域進行特征提取并將特征向量映射到高維特征空間，得到初始目標模板；
5、目標定位，根據初始目標模型的特征信息，在跟蹤區域內定位目標，計算目標候選區域與初始目標模板之間的相似度，選擇最可能的目標位置，結合遮擋判定算法，在目標被遮擋時進入搜索狀態，利用目標的歷史軌跡數據進行預測，以應對目標被遮擋的情況；
6、目標模板更新，根據得到的目標位置，結合目標當前的狀態和運動情況，動態更新目標的模板信息，以適應目標可能發生的外觀變化和運動軌跡調整，從而實現對目標的持續跟蹤和定位。
7、本專利技術進一步的改進在于，目標初始化，具體包括：
8、在跟蹤任務開始時，在第一幀中手動指定目標的位置和大小，跟蹤算法根據指定的位置和大小，采用方向梯度直方圖和顏色直方圖對圖像上的目標區域進行特征提取，將提取的特征映射到高維特征空間；接著利用目標區域的特征數據訓練相關濾波器，包括計算目標特征的傅里葉變換、計算相關濾波器的響應以及更新濾波器參數；最后生成初始目標模板，其中包含訓練得到的相關濾波器和特征映射結果，初始目標模板在后續的跟蹤過程中被用于檢測和定位目標；目標區域每個像素的梯度值與梯度方向的計算公式如下：
9、
10、
11、其中代表像素點的水平梯度，代表像素點的垂直梯度。
12、本專利技術進一步的改進在于，目標定位，包括：
13、在后續幀中，根據當前目標模板的特征信息，在搜索區域內定位目標，計算目標候選區域與初始目標模板之間的相似度，并在此基礎上選擇最可能的目標位置，具體是使用循環矩陣在目標周圍區域采集正負樣本，利用嶺回歸訓練目標檢測器，并利用循環矩陣在傅里葉空間可對角化的性質將矩陣的運算轉化為向量元素的點乘，同時將線性空間的嶺回歸通過核函數映射到非線性空間，計算頻域下的響應矩陣，然后計算逆傅里葉變換得到最終響應矩陣，響應矩陣中最大的位置，即為當前圖像中目標的位置。
14、本專利技術進一步的改進在于，增加目標遮擋判定算法，通過計算當前目標與模板目標的結構相似系數，判斷目標是否被遮擋，當結構相似系數小于設定的閾值時，認為此時目標被遮擋，不再更新模板，進入搜索狀態；在搜索狀態下，將通過圖像特征和歷史軌跡信息重新定位目標，包括顏色、紋理特征、運動軌跡和目標周圍環境的變化，直到目標重新出現并且結構相似系數再次達到設定閾值以上；此時，算法將退出搜索狀態。
15、本專利技術進一步的改進在于，目標軌跡預測時，當目標遮擋判定算法檢測到目標被遮擋時，進入搜索狀態，結合目標歷史位置信息對目標軌跡進行預測，并根據預測出的位置實時動態調整目標搜索范圍；軌跡預測采用卡爾曼濾波，通過動態模型和觀測數據，基于對動態演化和觀測數據的融合利用，實現對目標位置的最優估計；通過動態的狀態估計和誤差調整過程，在動態變化和觀測誤差存在的情況下，提供對目標位置的最優估計，從而實現對目標軌跡的精準預測和跟蹤。
16、本專利技術進一步的改進在于，目標模板更新，包括：
17、基于當前目標的位置，若目標大小為，在圖像上截取尺寸為的圖像塊，計算圖像塊的方向梯度特征，得到目標的方向梯度特征圖，對特征圖進行余弦窗口加權，減輕由于邊界移位導致的圖像不光滑，利用二維高斯函數得到長寬和特征圖一樣的模板矩陣，根據設定的學習率，利用線性插值的方式更新目標模板。
18、本專利技術進一步的改進在于，修改目標模板矩陣更新策略，在進行模板矩陣更新之前引入結構相似系數的計算；通過結構相似系數的計算，能夠在目標未被遮擋且與模板目標具有足夠相似結構的情況下才進行更新，避免更新模板引入外部干擾因素；設定一個閾值作為判斷依據，能夠篩選出需本文檔來自技高網...
【技術保護點】
1.一種結合軌跡預測的抗遮擋單目標長時跟蹤方法，其特征在于，包括：
2.根據權利要求1所述的一種結合軌跡預測的抗遮擋單目標長時跟蹤方法，其特征在于，目標初始化，具體包括：
3.根據權利要求2所述的一種結合軌跡預測的抗遮擋單目標長時跟蹤方法，其特征在于，目標定位，包括：
4.根據權利要求3所述的一種結合軌跡預測的抗遮擋單目標長時跟蹤方法，其特征在于，增加目標遮擋判定算法，通過計算當前目標與模板目標的結構相似系數，判斷目標是否被遮擋，當結構相似系數小于設定的閾值時，認為此時目標被遮擋，不再更新模板，進入搜索狀態；在搜索狀態下，將通過圖像特征和歷史軌跡信息重新定位目標，包括顏色、紋理特征、運動軌跡和目標周圍環境的變化，直到目標重新出現并且結構相似系數再次達到設定閾值以上；此時，算法將退出搜索狀態。
5.根據權利要求3所述的一種結合軌跡預測的抗遮擋單目標長時跟蹤方法，其特征在于，目標軌跡預測時，當目標遮擋判定算法檢測到目標被遮擋時，進入搜索狀態，結合目標歷史位置信息對目標軌跡進行預測，并根據預測出的位置實時動態調整目標搜索范圍；軌跡預測采用
6.根據權利要求3所述的一種結合軌跡預測的抗遮擋單目標長時跟蹤方法，其特征在于，目標模板更新，包括：
7.根據權利要求6所述的一種結合軌跡預測的抗遮擋單目標長時跟蹤方法，其特征在于，修改目標模板矩陣更新策略，在進行模板矩陣更新之前引入結構相似系數的計算；通過結構相似系數的計算，能夠在目標未被遮擋且與模板目標具有足夠相似結構的情況下才進行更新，避免更新模板引入外部干擾因素；設定一個閾值作為判斷依據，能夠篩選出需要更新的模板目標；當目標沒有遭遇遮擋時，根據當前目標與模板目標的結構相似系數進行判斷；如果相似系數高于設定的閾值，將對模板矩陣進行更新，以確保模板與實際目標的匹配度和準確性。
8.一種結合軌跡預測的抗遮擋單目標長時跟蹤系統，其特征在于，包括：
9.根據權利要求8所述的一種結合軌跡預測的抗遮擋單目標長時跟蹤系統，其特征在于，目標初始化模塊中，具體包括：
10.根據權利要求9所述的一種結合軌跡預測的抗遮擋單目標長時跟蹤系統，其特征在于，目標定位模塊中，具體包括：
...【技術特征摘要】
1.一種結合軌跡預測的抗遮擋單目標長時跟蹤方法，其特征在于，包括：
2.根據權利要求1所述的一種結合軌跡預測的抗遮擋單目標長時跟蹤方法，其特征在于，目標初始化，具體包括：
3.根據權利要求2所述的一種結合軌跡預測的抗遮擋單目標長時跟蹤方法，其特征在于，目標定位，包括：
4.根據權利要求3所述的一種結合軌跡預測的抗遮擋單目標長時跟蹤方法，其特征在于，增加目標遮擋判定算法，通過計算當前目標與模板目標的結構相似系數，判斷目標是否被遮擋，當結構相似系數小于設定的閾值時，認為此時目標被遮擋，不再更新模板，進入搜索狀態；在搜索狀態下，將通過圖像特征和歷史軌跡信息重新定位目標，包括顏色、紋理特征、運動軌跡和目標周圍環境的變化，直到目標重新出現并且結構相似系數再次達到設定閾值以上；此時，算法將退出搜索狀態。
5.根據權利要求3所述的一種結合軌跡預測的抗遮擋單目標長時跟蹤方法，其特征在于，目標軌跡預測時，當目標遮擋判定算法檢測到目標被遮擋時，進入搜索狀態，結合目標歷史位置信息對目標軌跡進行預測，并根據預測出的位置實時動態調整目標搜索范圍；軌跡預測采用卡爾曼濾波，通過動態模型和觀測數據，基于對動態演化和觀測數據的融合利用，實現對目標位置...
【專利技術屬性】
技術研發人員：王智平，張旭翀，牛眾品，孫宏濱，
申請(專利權)人：西安交通大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。