一种针对遮挡的相关滤波目标跟踪方法_CN109785366A

专利名称：一种适用于遮挡场景的无人艇海面相关滤波目标跟踪方法
专利类型：发明专利
发明人：李小毛,张云东,彭艳,谢少荣,罗均
申请号：CN201810530170.9
申请日：20180529
公开号：CN108830879A
公开日：
20181116
专利内容由知识产权出版社提供
摘要：本发明涉及一种适用于遮挡场景的无人艇海面相关滤波目标跟踪方法。

水面无人艇目标跟踪过程中在目标出现遮挡或者背景相似度高的情况下，跟踪器会随着目标的进一步遮挡或者背景杂波干扰，导致模型被遮挡物污染，变得越来越无法判别目标，最终导致跟踪模型发生漂移。

针对此问题，基于核相关滤波KCF算法，通过定义相关滤波响应图的振荡指数以及峰值对跟踪状态进行判定，实现相关滤波模型的自适应更新。

本发明方法在海面目标跟踪方面具有较明显的优势，特别是在目标出现遮挡场景下的海面目标跟踪，达到无人艇跟踪的实时性要求。

申请人：上海大学
地址：200444 上海市宝山区上大路99号
国籍：CN
代理机构：上海上大专利事务所(普通合伙)
代理人：陆聪明
更多信息请下载全文后查看。

专利名称：一种针对目标遮挡的无人机单视觉目标跟踪方法专利类型：发明专利
发明人：王雅涵,张泽勇,陈彦桥,柴兴华,彭会湘,张小龙,高峰,陈韬亦
申请号：CN202010674160.X
申请日：20200714
公开号：CN111862155A
公开日：
20201030
专利内容由知识产权出版社提供
摘要：本发明公开了一种针对目标遮挡的无人机单视觉目标跟踪方法，属于无人机目标跟踪技术领域。

本发明针对无人机拍摄的图像序列，以传统KCF算法为基础，增加了目标遮挡判别机制，在发现目标被严重遮挡时进行目标的移动轨迹预测，并给出目标可能出现的区域，可实现目标快速重定位，保证持续跟踪。

同时，本发明采用检测器更新策略，并仅在目标特征具有较高质量时才更新检测器，这样既保证了检测器的准确性又减少了更新次数，提高了运算效率。

总之，本发明提高了现有算法针对跟踪目标遮挡时的准确性，是对现有技术的一种重要改进。

申请人：中国电子科技集团公司第五十四研究所
地址：050081 河北省石家庄市中山西路589号中国电子科技集团公司第五十四研究所航天信息应用技术重点实验室
国籍：CN
代理机构：河北东尚律师事务所
代理人：王文庆
更多信息请下载全文后查看。

专利名称：一种基于在线学习的抗遮挡目标跟踪算法专利类型：发明专利
发明人：李文昊
申请号：CN202010904335.1
申请日：20200901
公开号：CN111986236A
公开日：
20201124
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于在线学习的抗遮挡目标跟踪算法，包括以下步骤：步骤一：获取实时跟踪人员的人体影像信息，人体影像信息为跟踪人员的人体影像照片；步骤二：对获取到的人体影像照片进行分割处理，将人体影像照片进行区块化处理，将其等分为九块；步骤三：将区块化处理后的照片分别提取出，并将各个区块进行轮廓化处理；步骤四：各个区域的轮廓线即为预设轮廓线，将各个区域的轮廓线提取出，上传到储存库；步骤五：当跟踪目标被遮挡时，再获取一张实时影像，将未被遮挡部分进行轮廓化处理得到实时轮廓线。

本发明能够更加精准的在目标被遮挡继续进行目标跟踪，更加值得推广使用。

申请人：安徽炬视科技有限公司
地址：230000 安徽省合肥市高新区习友路3333号中国声谷孵化楼401-403室
国籍：CN
代理机构：合肥律众知识产权代理有限公司
代理人：殷娟
更多信息请下载全文后查看。

一种抗遮掩的卫星视频目标跟踪算法一种抗遮掩的卫星视频目标跟踪算法摘要：随着卫星技术的不断进步，卫星视频成为了获取地面目标信息的重要手段之一。

然而，由于地面目标常常遭遇建筑、树木等自然遮挡物的干扰，对于卫星视频目标跟踪的准确性及鲁棒性提出了挑战。

本文提出了一种抗遮掩的卫星视频目标跟踪算法，通过利用背景差分和形态学处理相结合的方式，实现了对遮挡目标的鲁棒跟踪。

关键词：卫星视频；目标跟踪；遮掩；背景差分；形态学处理1.引言卫星视频具有广阔的视野和高分辨率的特点，能够覆盖地表广阔的区域，并获取目标的详细信息。

然而，在实际场景中，地面目标常常遭遇自然遮挡物的干扰，例如建筑物、树木等。

这些遮挡物不仅会导致目标在视频中的出现和消失，还会增加目标的形变和运动轨迹的变化，对目标跟踪算法的准确性和鲁棒性提出了挑战。

2.相关工作目前，针对遮挡问题，已经提出了许多目标跟踪算法，如基于尺度空间的目标跟踪算法、基于背景差分的目标跟踪算法等。

然而，这些算法在应对遮挡问题时仍然存在一定的困难。

因此，本文旨在提出一种能够抗遮掩的卫星视频目标跟踪算法，以提高目标跟踪的准确性和鲁棒性。

3.方法介绍本文提出的卫星视频目标跟踪算法主要包括以下几个步骤：背景差分、形态学处理和目标跟踪。

3.1 背景差分背景差分是一种常用的目标检测方法，通过将当前帧与背景帧进行差分，可以获得目标的前景区域。

在本文中，背景差分是实现目标跟踪的第一步。

3.2 形态学处理由于自然遮挡物的存在，目标的形状和大小可能会发生变化。

为了应对这种变化，本文引入了形态学处理方法。

在背景差分的基础上，使用开操作和闭操作对前景区域进行处理，消除噪声并恢复目标的形状。

3.3 目标跟踪经过背景差分和形态学处理后，得到了清晰的前景目标。

为了实现目标的跟踪，本文采用了基于相关滤波器的跟踪方法。

通过在目标区域和搜索区域之间进行相关滤波，可以估计目标的位置和尺度，实现目标的跟踪。

4.实验与结果为了验证本文提出的抗遮掩的卫星视频目标跟踪算法的有效性和鲁棒性，我们使用了真实的卫星视频数据进行实验。

基于相关滤波的抗遮挡行人跟踪方法研究基于相关滤波的抗遮挡行人跟踪方法研究摘要：随着计算机视觉和机器学习技术的发展，行人跟踪在智能视频监控、交通管理、安防等领域得到了广泛应用。

然而，由于场景中存在遮挡、姿态变化和光照变化等问题，行人跟踪方法的准确性和稳定性仍然面临挑战。

针对这一问题，本文提出了一种基于相关滤波的抗遮挡行人跟踪方法，通过对行人目标进行特征提取和相似度度量，实现了对遮挡行人目标的精确跟踪。

1.引言行人跟踪是计算机视觉领域的重要任务之一。

随着自动驾驶、智能交通系统的不断发展，行人跟踪在交通安全、城市监控等领域具有巨大的应用潜力。

然而，由于行人在实际场景中由于遮挡、姿态变化和光照变化等因素的影响，传统的行人跟踪方法往往难以准确识别和跟踪行人目标。

2.相关滤波原理相关滤波是一种基于模板匹配的图像处理方法，其原理是通过计算目标区域和候选区域的相似性度量，来判断目标是否出现在候选区域中。

相关滤波在行人跟踪领域得到了广泛的应用，其具有高效计算、较强的鲁棒性等优点。

本文通过引入相关滤波方法，将其应用于行人跟踪任务中。

3.特征提取和描述为了实现对遮挡行人目标的精确跟踪，本文采用了基于深度学习的特征提取方法。

首先，利用卷积神经网络对行人目标进行特征提取，得到高维特征表示。

然后，使用主成分分析(PCA)将高维特征降维，得到低维特征向量。

最后，将降维后的特征向量作为目标的描述符，用于相似度度量。

4.抗遮挡策略为了克服行人跟踪中遮挡的问题，本文提出了一种抗遮挡策略。

首先，通过计算目标区域和候选区域的相似度度量，确定目标的位置。

然后，利用目标区域的特征向量对周围候选区域进行更新和筛选。

如果候选区域与目标区域的相似度达到一定阈值，则将其认定为目标的一部分，否则将其排除。

通过这种方式，可以在一定程度上克服行人跟踪中的遮挡问题。

5.实验与结果分析在本文的实验中，采用了公开数据集进行测试。

实验结果表明，所提出的基于相关滤波的抗遮挡行人跟踪方法在遮挡情况下具有较好的准确性和稳定性。

一种抗遮挡的快速多尺度相关滤波跟踪算法一种抗遮挡的快速多尺度相关滤波跟踪算法摘要：目标跟踪在计算机视觉领域中扮演着重要角色。

然而，由于遮挡的挑战，传统的目标跟踪算法往往存在诸多问题。

本文提出了一种抗遮挡的快速多尺度相关滤波跟踪算法。

该算法通过引入多尺度特征图和相似度衡量策略，有效地克服了遮挡问题，并在速度和准确性方面表现出色。

实验结果表明，该算法对于目标跟踪的稳定性和鲁棒性具有较好的效果。

1. 引言目标跟踪是计算机视觉中的一项关键技术，广泛应用于视频监控，自动驾驶，虚拟现实等领域。

然而，由于目标可能会被其他物体遮挡，传统的目标跟踪算法往往在遮挡的情况下效果较差。

2. 相关滤波跟踪算法2.1 相关滤波器原理2.2 传统相关滤波跟踪算法存在的问题3. 多尺度特征图为了解决目标遮挡问题，我们引入了多尺度特征图。

通过在不同尺度下提取目标特征，我们可以更好地捕捉目标的关键信息，并在目标遮挡时进行补偿。

4. 相似度衡量策略为了实现抗遮挡，我们提出了一种相似度衡量策略。

该策略通过比较目标特征和候选区域特征的相似度，判断是否发生遮挡，并对遮挡目标进行动态调整。

5. 实验结果和分析本文在公开数据集上进行了大量实验，评估了所提算法的性能。

实验结果表明，相比于传统的相关滤波跟踪算法，我们的算法在目标遮挡情况下具有更好的稳定性和准确性。

6. 结论本文提出了一种抗遮挡的快速多尺度相关滤波跟踪算法，通过引入多尺度特征图和相似度衡量策略，有效地克服了目标遮挡问题。

实验结果表明，该算法在速度和准确性方面表现出色，并具有较好的稳定性和鲁棒性。

7. 展望虽然本文提出的算法在抗遮挡的目标跟踪方面取得了较好的效果，但仍然存在一些问题亟待解决。

例如，在复杂环境下的目标遮挡情况下，算法的性能可能会下降。

因此，未来研究可以着重解决这些问题，并进一步提高算法的性能。

关键词：目标跟踪、遮挡、相关滤波、多尺度特征图、相似度衡目标跟踪是计算机视觉领域中的一个重要任务，其在许多应用场景中都起到了关键作用。

抗遮挡的相关滤波目标跟踪算法顾培婷;黄德天;黄炜钦;柳培忠【期刊名称】《华侨大学学报（自然科学版）》【年(卷),期】2018(039)004【摘要】In order to solve the problem of wrong judgment of occlusion based on traditional kernelized corre-lation filters object tracking algorithm.An anti-occlusion object tracking algorithm based on kernelized correla-tion filters is proposed.Firstly,based on the framework of kernelized correlation filters,the object position is obtained by the regularized least-squares classifiers.Secondly,a multi-scale filter is introduced and scale esti-mation is obtained through calculating the maximum value response of the multi-scale filter.Finally,in terms of the target modelupdating,according to the difference of target position confidence map peak sharpness,the model can correctly updated.The experimental results demonstrate that the median center location error of the proposed algorithm is 6.18 px,the average distance precision is 97.68% when the threshold is set 20 px,and the average tracking speed is 30.8 frames·s-1.The proposed algorithm can not only effectively solve target scale changes,complete occlusion and other issues in the complex background,but also has higher tracking ro-bustness and accuracy.%针对传统的核相关滤波目标跟踪算法遮挡判断失败的问题,提出一种抗遮挡的核相关滤波目标跟踪算法.首先,在核相关滤波器框架上根据最小二乘分类器获得目标位置.然后,引入一个多尺度滤波器,并通过计算滤波器的响应最大值进行尺度预测.最后,在目标模型更新方面,根据目标位置置信图峰值尖锐度的差异性,正确更新模型.实验结果表明:文中算法的平均位置误差为 6.18 px,在阈值为20 px时,平均距离精度为97.68%,平均帧率为30.8 帧·s-1;其能在复杂背景下有效地解决目标尺度变化、完全遮挡等问题,具有更高的鲁棒性和精确性.【总页数】7页(P611-617)【作者】顾培婷;黄德天;黄炜钦;柳培忠【作者单位】华侨大学工学院,福建泉州 362021;泉州师范学院数学与计算机科学学院,福建泉州 362000;华侨大学工学院,福建泉州 362021;华侨大学机电及自动化学院,福建厦门 361021;华侨大学工学院,福建泉州 362021;厦门大学信息与通信工程博士后流动站,福建厦门 361005【正文语种】中文【中图分类】TP391【相关文献】1.基于遮挡检测的核相关滤波目标跟踪算法 [J], 张杨;闫河;杨晓龙2.一种抗遮挡尺度自适应核相关滤波器跟踪算法 [J], 居超;黄影平;胡兴3.基于遮挡检测的核相关滤波目标跟踪算法 [J], 张杨[1];闫河[1];杨晓龙[1]4.一种抗遮挡的改进SAMF目标跟踪算法 [J], 吴捷;马小虎5.相关滤波的运动目标抗遮挡再跟踪技术 [J], 戴煜彤;陈志国;傅毅因版权原因，仅展示原文概要，查看原文内容请购买。