[发明专利]基于融合特征和自适应更新策略的相关滤波跟踪算法有效
申请号: | 201811542470.5 | 申请日: | 2018-12-17 |
公开(公告)号: | CN109754424B | 公开(公告)日: | 2022-11-04 |
发明(设计)人: | 李映;薛希哲;白宗文 | 申请(专利权)人: | 西北工业大学 |
主分类号: | G06T7/73 | 分类号: | G06T7/73;G06T5/00 |
代理公司: | 西安凯多思知识产权代理事务所(普通合伙) 61290 | 代理人: | 刘新琼 |
地址: | 710072 *** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 融合 特征 自适应 更新 策略 相关 滤波 跟踪 算法 | ||
1.一种基于融合特征和自适应更新策略的相关滤波跟踪方法,其特征在于步骤如下:
步骤1:读取视频中第一帧图像数据以及目标所在的初始位置信息[x1,y1,w,h],其中x1,y1表示第一帧目标中心P1的横坐标和纵坐标,w,h表示目标的宽和高;
步骤2:根据目标初始位置中心点(x1,y1)确定一个目标区域R,R的大小为M×N,其中M=3×w,N=3×h;在R的区域内提取Color Name特征,维度为11维;再将原图从原有颜色空间转化到HSV颜色空间,在区域R的三个颜色通道内分别提取27维方向梯度直方图特征;最后把所得Color Name特征和三个颜色通道上分别提取到的3个梯度直方图特征进行连接,构成92维的融合特征f1;
步骤3:读取第k帧图像,k≥2且起始值为2,在第t帧图像中以(xt-1,yt-1)为中心提取S个不同尺度的图像子块,S设定为33,每个子块的大小为M×N×s,变量s为图像子块的尺度因子,s∈[0.7,1.4],然后经过尺度缩放到M×N的大小;
步骤4:按照步骤2的方法分别提取每个子块的融合特征fti,其中i=1,2,…,S,然后合并将S个融合特征矩阵连接之后成为一个大小为S×M×N的特征图,这里将其命名为尺度特征图,记为ft,再根据ft训练相关滤波器模型wk,在训练过程中,对于第t帧图像,要使wk满足以下约束关系:
这里用y∈RT代表期望的相关滤波器输出,其中T=length(fk);K=92表示滤波器的通道数;λ是归一化参数,其值为10-3,Pftk[Δτj]则表示通过j=[0,...,T-1]步的循环移位从原图片中生成的图像块;
步骤5:通过离散傅里叶变换,可以把以上公式转换到频域来提高计算效率;利用ADMM优化方法优化N次可逼近满足此公式的最优解Wk;
步骤6:用滤波器Wk与提取的图像子块特征fk进行卷积运算,得到M×N×S维代表不同尺度下的响应图,在每一个尺度上,对响应图进行傅里叶逆变换,可以得到时域上的置信图responce,获取最大响应值所在位置最大响应值对应的坐标(x',y')即为目标位置,该响应值所在尺度即为当前帧目标的尺度
步骤7:用rptarget表示置信图中所有值的集合,则rptarget(a,b)表示置信图中某一点的置信度,所以根据时域上的置信图responce,可以按照如下方式计算得到置信图的置信度阈值C:
步骤8:根据置信度阈值C,在第t帧可以把Wt按照如下公式更新:
Wt=(1-η)Wt-1+ηWt (4)
在这里η表示学习率,LR=0.013,W是w在频域的表示;
步骤9:判断是否处理完所有图像,如果是则结束;否则转回步骤4。
2.根据权利要求1所述的一种基于融合特征和自适应更新策略的相关滤波跟踪方法,其特征在于步骤5中的N=50。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西北工业大学,未经西北工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811542470.5/1.html,转载请声明来源钻瓜专利网。