[发明专利]一种融合Cuckoo搜索和KCF的突变运动目标跟踪方法

权利要求书

1.一种融合Cuckoo搜索和KCF的突变运动目标跟踪方法，其特征在于，其步骤如下：

步骤一：初始化目标状态参数、Cuckoo搜索机制和KCF跟踪方法的初始参数；

步骤二：利用KCF跟踪方法获得前k帧的k个最大响应值，计算置信度阈值的初始阈值；

步骤三：依据当前帧最大响应值与置信度阈值的关系，确定不同的基图像样本产生方式：当大于置信度阈值，随机选取基图像样本，执行KCF方法跟踪目标；当小于置信度阈值，采用Cuckoo搜索机制获取全局最优的目标预测状态，产生新的基图像样本，执行KCF方法跟踪目标；

步骤四：采用新的最大响应值动态更新置信度阈值，重复步骤一至步骤三实现突变运动目标的有效跟踪。

2.根据权利要求1所述的融合Cuckoo搜索和KCF的突变运动目标跟踪方法，其特征在于，所述目标状态参数为：读取第一帧图像的数据信息，确定目标在第一帧图像内的状态参数[p_x,p_y,width,high]，其中，(p_x,p_y)为目标左上角像素点的坐标值，width为目标宽度，high为目标高度；Cuckoo搜索机制的参数为：初始图像块位置数num，位置发现概率pa，迭代优化次数iter；KCF跟踪方法的参数为：候选区域与目标区域的比例因子γ，计算置信度阈值的集合元素长度Len。

3.根据权利要求1所述的融合Cuckoo搜索和KCF的突变运动目标跟踪方法，其特征在于，所述KCF跟踪方法实现的步骤为：

A、依据基样本图像构造循环矩阵X；

候选区域的宽和高分别为γ*width和γ*high，γ＞1，γ为候选区域与目标区域的比例因子，width为目标宽度，high为目标高度，将目标拉成列向量x＝[x₁,x₂,…x_n]^T作为基样本向量，n＝width*high，依据基样本向量的循环移位操作产生其他的候选样本，基样本向量和其产生的n-1个候选样本形成循环矩阵：

依据循环矩阵能够通过离散傅里叶变换实现对角化的性质，循环矩阵等价为：其中，F是离散傅里叶矩阵，是对基样本向量x进行离散傅里叶变换diag表示向量对角化操作；

B、跟踪问题的时域-频域转化，实现分类问题的求解；

xⁱ为第i个训练样本，y_i是其对应的回归值，训练的目标是求最小化平方误差下的权值w，从而获得决策函数f(z)＝w^Tz，z是候选样本；将跟踪的目标样本从候选样本中分离，权值w通过下式获得：

其中，λ控制过度拟合的正则化因子；在复数域下权值w解的向量描述形式为：

w＝(X^HX+λI)^-1X^Hy，(3)

其中，循环矩阵X的每行由训练样本xⁱ形成，y是回归值y_i的其中任意一个，I为识别矩阵，X^H是共轭转换X^H＝(X^*)^T，X^*是循环矩阵X的复共轭矩阵；

将循环矩阵的频域表示形式带入线性求解公式：

则公式(4)改写成：⊙为逐元素的点乘操作，代入到在复数域下权值w解的向量描述形式中获得频率域内的表达式如下：

其中，表示y的傅里叶变换；

利用核技巧将一个线性问题的输入映射到非线性的特征空间上，w在特征空间上被表示为问题转换成求解系数α_i和非线性映射的关系，获得系数α_i组成的向量α的频率域表示：

其中，k^xx是核循环矩阵k＝C(k^xx)的第一行元素，^{^}代表向量的傅里叶变换；

C、获得最大响应值，确定跟踪目标；

通过公式(6)获得向量α的值，得到线性回归问题中的权值w，然后通过分类器的分类方式实现目标检测，选取候选样本z，则：

其中，k^xz是基样本向量x和候选样本z的核相关性，决策函数f(z)是一个向量，维度和回归值y一样，将所有候选样本和目标样本依据相关性大小排序，选择最大的值作为目标在该帧图像中获得的最大响应值response，其相对应的候选目标被确定为跟踪结果；

D、依据前k帧的最大响应值，计算置信度阈值的初始阈值：

如果k＜Len，则返回步骤二重新执行；其中，Len为计算置信度阈值的集合元素长度；

如果k＝Len，依据获得的k个最大响应值，计算置信度阈值的初始阈值如下：

其中，median(·)表示对集合的元素取中间值；

如果k＞Len，依据第k，k-1，k-2，k-3，k-4帧获得的最大响应值动态更新集合R_k＝{response_k,response_k-1…response_k-4}，则第k帧的置信度阈值为：