[发明专利]基于多目标特征和改进相关滤波器的运动目标跟踪方法

权利要求书

1.一种基于多目标特征和改进相关滤波器的运动目标跟踪方法，其特征在于，包括以下步骤：

步骤1：输入跟踪视频序列和初始帧中被跟踪目标的位置信息；

步骤2：提取目标多通道特征对目标实现全面信息表征；

步骤3：构建像素可靠性图对相关滤波器进行约束优化，将相关滤波器限制在适合于跟踪的图像区域；构建像素可靠性图对相关滤波器进行约束优化的具体过程为：

步骤3.1：在初始帧中初始化像素可靠性图；

步骤3.2：将像素可靠性图作为约束条件引入目标损失函数，使用增广拉格朗日方法将目标损失函数构建为拉格朗日方程；

步骤3.3：通过乘子交替方向迭代最小化拉格朗日方程得到像素空间约束滤波器；

步骤4：利用线性降维算子减少模型中的参数数目，训练紧凑样本分类模型，降低空间和时间复杂度，提高样本多样性；利用线性降维算子减少模型中的参数数目和训练紧凑样本分类模型，具体过程为：

步骤4.1：训练得到每个特征通道所对应的相关滤波器；

步骤4.2：构造一组学习系数将所有通道的相关滤波器进行线性组合形成新的多通道相关滤波器，这组学习系数构成的矩阵称为线性降维算子；步骤4.3：将样本训练数据建模为高斯分量的混合物，其中每个组件代表外观的不同方面，每更新一帧就在训练集中加入一个样本并为新样本新建一个分组，样本权重由学习率控制，学习率可调，当样本的数目达到了最大阈值，每个组件中权重最小的样本会被舍弃；当一个组件的权重低于某个阈值时，这个组件与最近的组件合并；

步骤4.4：使用高斯牛顿法和共轭梯度法优化二次子问题来进行后续帧中相关滤波器和线性降维算子的更新；

步骤5：通过高斯牛顿法和共轭梯度法对相关滤波器进行二次优化得到最优相关滤波器；

步骤6：将改进的相关滤波器与提取的目标搜索区域的目标特征进行响应，确定目标跟踪框的位置；

步骤7：对滤波器模型和像素可靠性图进行联合更新；

步骤8：输出跟踪结果图。

2.如权利要求1所述的基于多目标特征和改进相关滤波器的运动目标跟踪方法，其特征在于，在所述步骤2中，提取的目标多通道特征为：特征维度为31的梯度方向直方图特征、特征维度为10的颜色特征、特征维度为256的VGG-m网络的Conv-5卷积层特征。

3.如权利要求1所述的基于多目标特征和改进相关滤波器的运动目标跟踪方法，其特征在于，在所述步骤7中，滤波器模型和像素可靠性图的更新方式采用稀疏的联合更新方案，滤波器模型每隔N_s帧更新一次，像素可靠性图每隔N_m帧更新一次，模型更新间隔与像素可靠性图更新间隔满足正比关系，数学关系式如下：N_s/N_m＝k，其中，k≥1且k∈N。