[发明专利]一种高实时性的多尺度目标跟踪方法

权利要求书

1.一种高实时性的多尺度目标跟踪方法，其特征在于，包括以下步骤：

步骤1，确定感兴趣区域；在初始图像帧中用矩形框选取待跟踪目标，提取目标及其周围背景区域；

步骤2，提取特征；对感兴趣区域提取快速梯度方向直方图特征；

步骤3，训练相关滤波器；将特征向量与二维高斯函数转换到频域计算，得到相关滤波器；

步骤4，检测目标位置；在下一帧图像中同样如步骤1提取感兴趣区域，利用训练得到的相关滤波器，响应值最大即为目标所在位置；

步骤5，尺度估计；将尺度预测与尺度池相结合，确定目标尺度；

步骤5具体为：基于相关滤波器的响应特性，为尺度池内的尺度计算划分优先级；划分尺度优先级的步骤具体包括以下：

首先，将每帧目标尺度的变化分为三种情况：0.95,1,1.05，即小尺度，正常，大尺度；以此分别表示目标变小，不变以及变大的情况；

目标实际变大时，设得到的响应值为变量R，推论出为R(0.95) R(1) R(1.05)；故先计算并比较R(1)和R(1.05)，得出实际最大值，无需再次计算对小尺度的响应；

若目标实际变小，推论出为R(0.95) R(1) R(1.05)；故先计算并比较R(1)和R(0.95)，得出实际最大值，无需再次计算大尺度的响应；

若目标实际尺度未发生改变，首先随机分到目标实际变小或目标实际变大中一种进行计算得出实际最大值，再计算第三种尺度的响应与实际最大值进行比较；

基于统计的方法，利用目标实际运动信息，确认首先计算某种尺度的响应；统计过去10帧的尺度变化情况，确定最多的尺度变化情况，即在当前帧中优先计算最多的尺度变化情况所对应尺度的响应；无论哪种的尺度变化情况最多，均需计算R(1)，即尺度不变时的响应；

基于统计的方法具体如下：

首先定义节点，每个节点具有双向指针，分别指向前后节点，节点内部定义mScale变量，用于记录当前尺度状态，状态分为变大时值为1、不变时值为0、变小时值为-1和默认时值为2；

创建循环链表后，使用指针指向任意节点，每经过一帧，指针下移一个节点，当帧数大于队列长度时，指针指向链表中最初的节点，使得该节点信息被覆盖，实现最近10帧信息的记录；

为了降低统计尺度信息的时间复杂度，维护一个mSum变量，用于记录所有帧尺度状态mScale的和，由于mScale设计是0均值的统计变量，其和若大于0，则说明前10帧尺度变大的帧数较多，若等于0，则尺度不变的帧数较多，若小于0，则尺度变小的帧数较多，mSum变量的修改位于每次设置当前帧信息的时刻，mSum减去当前指向节点的尺度信息再加上当前帧的尺度信息；

同时使用头节点信息实现对队满和队空状态的判断，若头节点尺度状态为默认，则头节点未被使用，判断队空；若头节点的前一节点尺度状态为非默认，则判断队满。

2.根据权利要求1所述的一种高实时性的多尺度目标跟踪方法，其特征在于，对于统计的尺度无变化的目标，跟踪方法采用隔帧多尺度的方式；即一帧多尺度，多帧单尺度交替进行。

3.根据权利要求2所述的一种高实时性的多尺度目标跟踪方法，其特征在于，每5帧进行一次多尺度，即一帧多尺度，4帧单尺度。