[发明专利]一种基于ICA-R多特征融合与自适应更新的视觉目标跟踪方法

权利要求书

1.一种基于ICA-R多特征融合与自适应更新的视觉目标跟踪方法，其特征在于，包括以下步骤：

S1，跟踪目标初始化，选定需要跟踪的目标，并采用高斯滤波将视频序列进行预处理，将预处理后的视频序列通过二维仿射变换得到多视角的信息，用k表示其中的一个视角；

S2，选定深度卷积神经网络VGG-m网络模型提取目标的深度特征，采用梯度直方图特征HOG提取目标的形状特征，采用颜色特征提取目标的颜色特征，通过VGG-m网络模型中的第一个卷积层Conv1和最后一个卷积层Conv5分别提取深度特征和HOG提取形状特征F_H，CN提取颜色特征F_C，并进行初步融合得到初步融合后的单一视角特征为

S3，将S2中单一视角的融合特征作为本一步中的混合信号，作为参考信号，利用一单元快速参考独立成分分析ICA-R算法将深度特征和和S2中单一视角融合后的特征进行再次融合得到期望信号

S4，利用拉格朗日数乘法将多个视角融合得到特征图谱其中V_k表示第k个视角中融合后得到的期望信号；

S5，采用相关核滤波KCF跟踪框架进行模型训练，得到当前帧的训练模型为：其中z为与F_final大小相同的候选图像块，表示相关核，α表示正负样本移位过程中产生的样本，表示样本α的傅里叶变换，F_final是S4中融合多个视角后得到的特征图谱；

S6，利用训练得到的目标表观模型对当前帧中的目标进行定位并跟踪；

S7，预估当前帧中跟踪目标的位置，输出当前帧中跟踪目标的位置。

2.根据权利要求1所述的一种基于ICA-R多特征融合与自适应更新的视觉目标跟踪方法，其特征在于，所述步骤S2预处理后的视频序列通过二维仿射变换得到多视角的信息，具体步骤包括：

S21:通过高斯滤波将原始视频序列中的图片降噪，增强图片的表示，便于后续中的特征提取；

S22：通过仿射变换，将降噪后的视频序列由单一视角变为多个视角，并用k表示其中的一个视角。

3.根据权利要求1所述的一种基于ICA-R多特征融合与自适应更新的视觉目标跟踪方法，其特征在于，所述步骤S2通过VGG-m网络提取第一层Conv1和最后一层Conv5的深度特征，并分别与HOG特征、CN特征进行初步融合，具体步骤包括：

S31:通过VGG-m网络分别提取目标的第一层(Conv1)和最后一层(Conv5)的深度特征和然后利用HOG提取目标的形状特征F_H，CN提取目标的颜色特征F_C；

S32:通过二维仿射变换，将原始的二维信息扩展到三维信息，并用表示其中的一个视角；

S33:利用步骤S21中的三种特征，在S22的单一视角中，利用计算元素点积的方法将这三种特征进行初步融合，公式如下：

其中，⊙表示元素之间的点积，k表示仿射变换后的一个视角。

4.根据权利要求3所述的一种基于ICA-R多特征融合与自适应更新的视觉目标跟踪方法，其特征在于，所述步骤S3利用一单元快速ICA-R算法将特征再次融合得到期望信号具体包括：

S41:将作为混合后的信号，作为参考信号，利用ICA-R进行进一步特征融合；

S42:计算负熵J(s)，使得其最大，公式如下：

其中，ρ是一个正的常数项，表示线性激励函数，μ是一个均值为0的高斯变量，ε(·)是一个范数函数，表示x的期望，相似性测量被定义用来得到它的最小值，ξ是一个阈值；

S43：根据S32中计算得到的最大负熵，得出分别将和作为参考信号的特征为和

S44:根据S32中得到的和计算单一视角中融合后的特征，公式如下：