[发明专利]一种基于背景感知的尺度自适应核相关滤波跟踪方法

权利要求书

1.一种基于背景感知的尺度自适应核相关滤波跟踪方法，其特征在于，具体包括如下步骤：

步骤一：图像预处理，对图像进行直方图均衡化处理，减小光照变化的影响；

步骤二：获取初始帧数据以及目标信息，包括目标区域左上角坐标(x,y)，目标宽w和高h；

步骤三：提取目标区域的特征图谱，获取目标区域快速梯度直方图特征FHOG(FastHistogram of Oriented Gradient)作为目标的特征图谱用x表示,x由K个通道组成，其中x^k表示第k个通道的特征，且x^k∈R^D，每个通道的特征x^k由D维向量组成；

步骤四：建立基于背景感知的核相关滤波跟踪模型，消除边界效应，精准预测目标位置，利用背景感知的核相关滤波跟踪模型消除相关滤波的边界效应，预测目标的平移位置；背景感知的核相关滤波器通过最小化期望输出与滤波器实际响应输出损失函数求得，损失函数如下式所示：

上式P表示D×T二值矩阵，D的定义参考步骤三，T表示目标区域扩充后单通道的维度；λ表示正则化常数；[Δτ_j]第j次循环移位操作，y(j)代表期望输出y的第j个元素，上标T代表转置操作；

通过转移上式到复频域，可以快速求解，转换公式如下：

上式上标Λ表示快速傅里叶变换，运算符表示为克罗内克积，I_K为K×K的单位矩阵，F为T×T的傅里叶变换系数矩阵；

步骤五：建立一维尺度自适应滤波器预测目标尺度变化，在步骤四预测平移位置后，通过在第s个尺度空间中添加了一维尺度自适应滤波器h_s，用于预测目标的尺度变化；通过最小化尺度滤波器h_s响应输出与对应期望输出g_s的损失函数，可以求得最优尺度滤波器h_s，损失函数定义如下：

上式*为空间相关运算符，λ_s为正则项常数，通过频域投影可得h_s在频域的解为：

接下来h_s采用如下更新方式进行更新：

上式A_t,B_t为的分子和分母部分，x_t代表t时刻图像帧，x_t，x_t-1分别是当前时刻图像帧和前一时刻图像帧，η为学习率常数；可求得尺度滤波器h_s的响应输出Y_s为：

上式为t时刻第k个通道的输入目标区域。

2.据权利要求1所述基于背景感知的尺度自适应核相关滤波跟踪方法，其特征在于，所述步骤三：

提取31维FHOG特征的步骤为：

1)转化RGB图为灰度图；

2)标准化gamma空间减小光照变化对图像的影响，gamma压缩公式为：

3)I(x,y)＝I(x,y)^gamma，I(x,y)表示图像(x,y)处的像素值；

4)计算各像素点梯度值和梯度方向，具体公式如下：

G_x(x,y)＝H(x+1,y)-H(x-1,y)

G_y(x,y)＝H(x,y+1)-H(x,y-1)

G_x(x,y)、G_y(x,y)代表水平和垂直方向的梯度值大小，H(x,y)为图像在(x,y)处的像素值；(x,y)处梯度值和梯度方向为：

5)将整个图像划分为小的cell单元格；

6)计算每个cell单元格的梯度直方图；

7)合并cell单元格为Block；

8)计算Block内的梯度直方图向量；

9)对步骤8)生成的梯度直方图向量进行降维，生成31维的特征向量。

3.据权利要求1所述基于背景感知的尺度自适应核相关滤波跟踪方法，其特征在于，所述步骤四：输出y为二维高斯形状的输出，正则化常数λ取值为0.001。

4.据权利要求1所述基于背景感知的尺度自适应核相关滤波跟踪方法，其特征在于，所述步骤五：期望输出g_s为一维高斯形状的输出，正则化常数λ_s取值为0.001。