[发明专利]用于鲁棒跟踪的自适应多特征融合的方法

权利要求书

1.一种用于鲁棒跟踪的自适应多特征融合的方法，包括步骤：

特征结构初始化；

分别计算梯度直方图HOG特征、局部二值模式LBP特征、颜色直方图特征；

利用增量式主成分分析IPCA算法计算特征的主分量，并得到特征的稳定性表征；

更新子特征权重；

根据粒子滤波的跟踪结果，计算子特征的更新率。

2.根据权利1所述的方法，其特征在于所述特征结构由以下公式决定：

F＝{n|w_if_i，i＝1，...，n}

其中n指特征个数为3，w_i为第i个特征的权重，初始化w_i＝1/n，f_i为第i个子特征，且每个子特征的维数为D，D＝256。

3.根据权利1所述的方法，其特征在于所述计算特征的稳定性表征包括步骤：

初始化特征向量矩阵；

利用IPCA计算特征向量；

计算特征值和特征值相对应的特征向量；

计算特征不变性表征，最后获得特征的稳定性表征。

4.根据权利3所述的方法，其特征在于利用IPCA计算特征向量，由以下公式决定：

v(N)=(1-α)v(N-1)+αxNxNTv(N-1)||v(N-1)||]]>

其中，v(N)为特征向量，N为采样点索引，且v_i(0)＝u_i，α为更新率，x_N为当前采样点图像某个子特征的D维特征向量。