[发明专利]利用深度数据构建约束相关滤波器的视觉跟踪方法、系统

权利要求书

1.一种利用深度数据构建约束相关滤波器的视觉跟踪方法，其特征在于，所述视觉跟踪方法包括如下步骤：

S1，对当前深度图像帧中估计的目标位置处的深度数据进行深度目标分割，获取目标空间信息，所述目标空间信息包括目标的形状、目标的深度分布标准差和目标的深度分布标准方差；

S2，对当前彩色图像帧中估计的目标位置处的彩色数据进行特征提取，获得特征向量；

S3，根据目标空间信息构建高斯型回归标签函数；

S4，利用目标空间信息和当前彩色图像帧中提取的特征向量以及高斯型回归标签函数构建空间约束相关滤波器；

S5，对下一帧彩色图像在搜索窗内的彩色数据进行特征提取获得特征向量，根据下一帧彩色图像中提取的特征向量和空间约束相关滤波器计算目标相关响应；

S6，根据目标相关响应中的最大响应的位置确定下一帧彩色图像的目标位置。

2.如权利要求1所述的利用深度数据构建约束相关滤波器的视觉跟踪方法，其特征在于，所述步骤S6之前还包括：

根据当前彩色图像帧中提取的特征向量计算各特征通道的贡献；

根据各特征通道的相关响应计算各特征通道的独特性；

根据特征通道的贡献和特征通道的独特性计算各特征通道的权重；

利用特征通道的权重对各特征通道的相关响应进行加权运算得到目标的相关响应。

3.如权利要求1所述的利用深度数据构建约束相关滤波器的视觉跟踪方法，其特征在于，所述步骤S6之后还包括：

采取学习方法对空间约束相关滤波器进行更新；

利用所述步骤S5-S6中的方法根据所述更新后的空间约束相关滤波器确定下下帧彩色图像的目标位置。

4.如权利要求1所述的利用深度数据构建约束相关滤波器的视觉跟踪方法，其特征在于，所述特征向量包括方向梯度直方图特征、颜色特征和灰度特征。

5.一种利用深度数据构建约束相关滤波器的视觉跟踪系统，其特征在于，所述视觉跟踪系统包括有：

空间信息获取模块，用于对当前深度图像帧中估计的目标位置处的深度数据进行深度目标分割，获取目标空间信息，所述目标空间信息包括目标的形状、目标的深度分布标准差和目标的深度分布标准方差；

目标特征提取模块，用于对当前彩色图像帧中估计的目标位置处的彩色数据进行特征提取，获得特征向量；

函数构造模块，用于根据目标空间信息构建高斯型回归标签函数；

滤波器构造模块，用于利用目标空间信息和当前彩色图像帧中提取的特征向量以及高斯型回归标签函数构建空间约束相关滤波器；

响应计算模块，用于对下一帧彩色图像在搜索窗内的彩色数据进行特征提取获得特征向量，根据下一帧彩色图像中提取的特征向量和空间约束相关滤波器计算目标相关响应；

目标位置确定模块，用于根据目标相关响应中的最大响应的位置确定当前帧彩色图像的目标位置。

6.如权利要求5所述的利用深度数据构建约束相关滤波器的视觉跟踪系统，其特征在于，所述视觉跟踪系统还包括有：

贡献计算模块，用于根据当前彩色图像帧中提取的特征向量计算各特征通道的贡献；

独特性计算模块，用于根据各特征通道的相关响应计算各特征通道的独特性；

权重计算模块，根据特征通道的贡献和特征通道的独特性计算各特征通道的权重。

7.如权利要求5所述的利用深度数据构建约束相关滤波器的视觉跟踪系统，其特征在于，所述视觉跟踪系统还包括有：滤波器更新模块，用于采取学习方法对空间约束相关滤波器进行更新。

8.如权利要求5所述的利用深度数据构建约束相关滤波器的视觉跟踪系统，其特征在于，所述特征向量包括方向梯度直方图特征、颜色特征和灰度特征。