(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210687112.3 (22)申请日 2022.06.16 (71)申请人 沈阳建筑大学 地址 110623 辽宁省沈阳市 浑南区浑南中 路25号 (72)发明人 许景科　袁帅　刘天波　张璐　 尹丽雪　 (74)专利代理 机构 安徽爱信德专利代理事务所 (普通合伙) 34185 专利代理师 刘煜 (51)Int.Cl. G06T 7/246(2017.01) G06T 7/10(2017.01) G06V 10/40(2022.01) G06V 10/46(2022.01)G06V 10/50(2022.01) G06V 10/56(2022.01) G06V 10/74(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06V 10/28(2022.01) G06V 10/20(2022.01) (54)发明名称 一种尺度自适应与抗遮挡的KCF方法 (57)摘要 本发明涉及计算机视觉技术领， 公开了一种 尺度自适应与抗遮挡的KC F方法， 首先利用KCF算 法提取并融合HOG特征与CN特征建立特征模型， 使用图像HOG特征对图像梯度进行计算； 通过KC F 算法预测目标的中心位置， 将目标划分为四个子 块； 将KCF的分类器同时应用到每个子块上进行 跟踪， 预测每个子块的中心位置； 根据子块中心 位置相对变化获得目标的尺度变化比例， 确定目 标的尺度信息实现尺度自适应； 目标受到遮挡 时， 提取模板的ORB特征， 直到匹配到目标， 重新 进行跟踪。 本发 明针对尺度变换和遮挡导致目标 丢失问题进行改进， 提高在处理尺度变化时的有 效性。 在尺度变换和遮挡、 目标旋转、 目标形变以 及光照变化都具有最 好的跟踪效果。 权利要求书2页 说明书7页 附图4页 CN 115482254 A 2022.12.16 CN 115482254 A 1.一种尺度自适应与抗遮挡的KCF 方法， 其特 征在于， 具体按以下步骤执 行： S1:读取图像和初始化目标位置， 提取目标图像的HOG特征和CN特征， 对图像梯度进行计 算， 进行自适应特 征融合； S2:利用KCF算法将预测到的目标分为四个子块进行处理， 根据子块位置的相对变化来 确定最终目标的尺度信息， 实现尺度自适应； S3:目标遮挡判断； 设定一个阈值用来判断目标是否发生遮挡， 在概率最大值的的周围 找出所有满足的所有点， 并求得对应的位置， 然后求所有的点与概率最大值位置之间的欧 氏距离： 设置另一个阈值为面积因子， 结果大于阈值， 则判断目标为遮挡； 否则目标未受到 遮挡； S4:ORB特征匹配目标； S5:OTB100公开数据集进行测试； 通过定性和定量的对比测试结果验证KCF方法的有效 性。 2.根据权利要求1所述的一种尺度自适应与抗遮挡的KCF方法， 其特征在于， 在步骤S1 中， 具体按以下步骤执 行： S1.1:HOG特征提取首先是对图像进行 灰度化和伽马校正， 计算每一个 像素点的梯度值； S1.2:将8×8个像素分为一个单元cell计算每个cell的梯度直方图； 再将4 ×4个cell合 并为一个块block， 得到每个block的HOG特征， 对每一个b lock进行归一化处理得到最终的 HOG特征值； S1.3:获取图像的RGB值， 计算RGB值对应的颜色索引值， 在文件中找到RGB值对应的数 值， 得到图像CN特 征； S1.4:联合HOG特征与CN特 征， 得到图像的特 征描述。 3.根据权利要 求1所述的一种尺度自适应与抗遮挡的KC F方法， 其特征在于， 步骤S2具体 按以下步骤执 行： S2.1:从一个样本图像取出目标图像， 并按照一定比例取得目标图像周围信息进行样本 训练， 使用最小二乘法来训练分类器， 寻找最优w； 引入核函数将低维线性不可分的函数转 换到高维空间实现线性可分， 寻找最优α； S2.2:相似度计算； 通过得到的结果做傅里叶逆变换得出响应值， 响应值最大的位置最 有可能是目标位置； S2.3:尺度自适应； 将目标分割为4个子块， 将KCF的分类器同时应用到每个子块上进行 跟踪， 更新目标外观模型， 同时更新 4个子块的中心以及子块模板， 用于下一帧图像的跟踪。 4.根据权利要求1所述的一种尺度自适应与抗遮挡的KCF方法， 其特征在于， 步骤S4具 体按以下步骤执 行： S4.1:ORB特征提取， 利用FAST算法查找模板和待检测图像中的关键点； 利用非极大值抑 制的方法取出相邻或相近的一些关键点， 排除关键点冗余的现象； 获得关键点之后， 通过 BRIEF算法对关键点进行描述； 将所有关键点的特 征向量集成在一 起得到ORB特 征描述符； S4.2:使用ORB特征进行目标匹配； 将模板提取出的ORB特征与待检测图像提取的ORB特 征进行匹配， 直到再次得到目标为止 。 5.根据权利要求1所述的一种尺度自适应与抗遮挡的KCF方法， 其特征在于， 在步骤S5 中， 具体按以下步骤 执行， 选择OTB100集包含了50个视频序列， 每一个视频序列都包含了 关权　利　要　求　书 1/2 页 2 CN 115482254 A 2于该视频三个方面的信息， 第一是视频的帧序列， 以图片的形式存放在img文件夹； 第二是 groundtruth_rect.txt文件， 该文件记录的是每一副图像中目标的中心位置坐标和目标的 高和宽； 第三个是该视频的基本信息， 存储方式一般是mat文件， 包括视频总帧数和背景信 息。 6.根据权利 要求1所述的一种尺度自适应与抗遮挡的KCF方法， 其特征在于， KCF算法与 6组典型的视频序列算法进行分析， 6组典型的视频序列算法包括尺度估计的鲁棒性视觉跟 踪算法DSST、 可靠分块跟踪算法RPT、 多尺度检测相关滤波算法SAMF、 长期相关滤波跟踪算 法LCT、 基于循环架构的核检测算法CSK和结合神经网络的端到端跟踪算法CFNet进行整体 分析与评价； 目标既出现了尺度变换和遮挡， 还有目标旋转、 目标形变以及光照变化的挑 战。 7.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述程序被主控制 器执行时实现如权利要求1 ‑6中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115482254 A 3