[发明专利]特征融合与学习率优化的核相关滤波水下目标跟踪方法

权利要求书

1.特征融合与学习率优化的核相关滤波水下目标跟踪方法，其特征在于：包括如下步骤：

(1)从水下图像中分别提取目标的FHOG特征以及颜色直方图特征或LBSP特征，采用串联融合的方式融合FHOG特征与颜色直方图特征，或者FHOG特征与LBSP特征，得到基于融合特征的水下目标模型；

(2)采用核相关运算将得到的基于融合特征的水下目标模型进行多通道扩展，作为核相关滤波器的输入；

(3)在下一帧中采用遮挡检测判断水下目标是否发生遮挡，自适应调整学习率进行水下目标模型的更新；

所述步骤(3)中基于遮挡因子进行遮挡判断，具体为：

用max response_i表示N帧中第i帧测试样本与训练样本之间的最大响应值，用m表示N历史帧中的最大响应的均值，m的计算公式如下：

m＝(max response₁+max response₂+...+max response_N)/N

设计遮挡因子ε₁用来判断N历史帧中是否发生连续性遮挡，ε₁表示为：

其中，s₁为阈值，通过比较m与阈值s₁的大小来判断此N帧中是否发生遮挡，遮挡因子ε₁＝1表示发生遮挡，ε₁＝0则说明未发生遮挡；

设计遮挡因子ε₂用来判断当前帧是否发生遮挡，ε₂表示为：

其中，s₂为阈值，max response-mean表示当前帧的最大响应值与当前帧所有响应值均值之间的差值，通过比较s₂与max response-mean的大小来判断当前帧是否发生遮挡，遮挡因子ε₂＝1表示发生遮挡，ε₂＝0则说明未发生遮挡；

所述步骤(3)中自适应模型更新的方法为：

设计权重w_t用来自适应调整学习率实现对水下目标模型的自适应更新，权重值w_t表示为：

其中，max response表示当前帧的最大响应值，mean表示当前帧所有响应值均值；

基于遮挡检测结果的自适应目标模型更新在t+1帧时写成如下形式：

α_t+1＝(1-γw_t)α_t+γw_tα

h_t+1＝(1-γw_t)h_t+γw_th

其中，目标模型分为目标模型外观模板α和核相关滤波器模板h，α_t+1、α_t分别表示t+1、t帧时的目标模型外观模板，h_t+1、h_t分别表示t+1、t帧时的核相关滤波器模板，γ为更新速率。

2.根据权利要求l所述的特征融合与学习率优化的核相关滤波水下目标跟踪方法，其特征在于：所述步骤(1)中，两种不同类型的目标特征进行串联融合的过程如下：

假设任意类型的m维特征向量a表示为a＝[a₁，a₂，...，a_m]，另一种类型n维特征向量b表示为b＝[b₁，b₂，...，b_n]，则进行融合后的m+n维特征向量x表示为：

x＝[a₁，a₂，....，a_m，b₁，b₂，...，b_n]。

3.根据权利要求l所述的特征融合与学习率优化的核相关滤波水下目标跟踪方法，其特征在于：所述步骤(2)中，将融合特征向量x进行多通道扩展的过程如下：

首先选择一个高斯核函数表示为：

其中，x′表示x在高斯核函数映射下对应的向量，σ为高斯核函数带宽；

利用训练样本集的循环移位性质，则核相关矩阵的生成向量k^xx′表示为：

其中，表示对基准样本x执行傅里叶变换，*表示复共轭，⊙表示元素的点乘运算，F^-1表示傅里叶逆变换；

假设融合特征向量x有C个通道，x表示为x＝[x₁，x₂，…，x_C]，则多通道的核相关生成向量k^xx′可以表示为：

其中，表示核相关计算时对融合特征向量x的C个特征通道进行求和。