[发明专利]一种基于KCF混合MFO的快速运动目标跟踪方法

权利要求书

1.一种基于KCF混合MFO的快速运动目标跟踪方法，其特征在于，其步骤如下：

步骤一：读取第一帧图像的数据信息初始化目标的状态参数，设置MFO搜索和KCF跟踪方法的优化模型参数；

步骤二：利用KCF跟踪方法获得最大响应值，确定跟踪目标；

步骤三：根据KCF跟踪方法中设置计算置信度阈值的集合元素长度，依据目标的最大响应值，计算置信度阈值；

步骤四：依据当前帧的最大响应值与置信度阈值的关系，确定不同的基样本图像产生方式：如果第nf帧的最大响应值R_maxnf＜Thr_nf-1，Thr_nf-1为第nf帧的置信度阈值，采用飞蛾-火焰全局搜索获得基样本图像，确定基样本图像块区域，结合KCF方法实现目标跟踪；如果R_maxnf≥Thr_nf-1，则依据第nf帧目标在(nf-1)帧内的映射位置附近随机获得基样本图像块，执行KCF方法对运动平滑的目标进行有效跟踪；使用更新的基样本图像块构造循环矩阵；

步骤五：依据最大响应更新置信度阈值，确定新的基图像样本，返回步骤二，确定跟踪目标。

2.根据权利要求1所述的基于KCF混合MFO的快速运动目标跟踪方法，其特征在于，所述步骤二中的KCF跟踪方法获得最大响应值的方法为：

A、依据跟踪目标的初始化状态确定基样本图像，产生目标候选样本集合，构造循环矩阵X：候选区域的宽度和高度分别为β*width和β*high，其中，width为目标区域的宽度，high为目标区域的高度，1≤β＜2为候选区域与目标区域的比例因子；将目标区域转换成列向量表示，得到目标样本x＝[x₁,x₂,…x_n]，其中，n＝width*high；将目标样本x作为基样本向量，依据基样本的循环移位操作产生最终的候选样本集合，候选样本集合包含了基样本向量和其产生的(n-1)个候选样本，形成的循环矩阵如下：

循环矩阵X的第一行是基样本向量的转置x^T；

B、跟踪问题的时域-频域转化，实现分类问题的求解：训练的目标就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，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，x_i为第i个训练样本，y_i是训练样本x_i对应的回归值，z是观测样本或称为候选样本，λ为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；

其中，I为识别矩阵，X^H是循环矩阵X的共轭转换，且X^H＝(X^*)^T，X^*是循环矩阵X的复共轭矩阵；

将时域的权值w转换为频率域内的表达式为：

其中，为x的傅里叶变换向量，为向量的复共轭，为y的傅里叶变换值，⊙表示代表向量对应元素相乘；

C、获得最大响应值，确定跟踪目标：

选取候选样本z，候选样本z和目标样本x的维度相同，依据公式：

其中，k^xz是目标样本x和候选样本z的核相关性，决策函数值f(z)是一个维度和回归值y一样的向量，此时找出向量中最大的元素的位置就是要探测的位置，最大的元素为最大响应值R_max。