[发明专利]基于特征融合的相关滤波目标跟踪方法

权利要求书

1.基于特征融合的相关滤波目标跟踪方法，其特征在于，包括以下步骤：

S10，采用CN特征代替颜色直方图；

S20，分别对HOG特征和CN特征进行相关滤波处理产生响应输出；利用平均相关峰能量和平滑约束性进行自适应特征融合；

S30，采用平均相关峰能量置信评价指标分别衡量HOG和CN的响应的可靠度，当判决可靠时，采用平均相关峰能量和平滑约束性共同决定的模板影响因子进行自适应的模型更新；

其中，S30包括以下步骤：

S31，采用平均相关峰能量置信评价指标，分别对HOG特征和CN特征的响应输出进行跟踪质量置信评价，只有两个特征的响应输出分别大于其历史均值时，进行模型更新，判决条件由下式：

其中，当计算HOG特征的时，τ＝0.8，当计算CN特征的时，τ＝0.65；

S32，自适应的模型更新，

时，即当前帧的平均相关峰能量值大于其历史均值，进行模型的更新，更新由下式：

其中，为当前帧的模型更新学习率，为本帧计算出的相关滤波器模型参数，h为控制参数，设为0.01；

当即响应输出的置信度过低，则不进行模型的更新，

2.根据权利要求1所述的方法，其特征在于，所述对CN特征进行相关滤波处理产生响应输出包括以下步骤：

S21，将RGB图像映射到CN颜色特征；

S22，采用PCA降维的方法，将D₁维CN颜色特征降维到D₂维；

S23，计算CN特征的响应输出。

3.根据权利要求2所述的方法，其特征在于，所述计算CN特征的响应输出，为通过最小化一个损失函数来训练其相关滤波器，然后计算CN颜色特征响应输出，损失函数由下式：

其中，是在高斯RBF核函数k(f,g)＝φ(f),φ(k)下的希尔伯特空间的映射，λ为正则化系数，y^j(m,n)为标准高斯响应输出，a为滤波器系数；

通过将式(1)最小化，得到相应滤波器系数，由下式计算出最终响应输出：

其中，Φ为离散傅里叶变换，Y^j为标准高斯输出的傅里叶变换。

4.根据权利要求1所述的方法，其特征在于，所述对HOG特征进行相关滤波处理产生响应输出，为采用岭回归的框架，针对HOG特征训练一个相关滤波器，再进行计算得出响应输出，训练由下式：

其中，t为帧数，h为HOG特征滤波器的模型参数，φⁱ为对应特征通道的特征图，y为理想高斯输出，λ_tmpl为滤波器的正则项系数；利用式(3)训练完毕滤波器，将下一帧图片提取的候选区域进行计算，得到HOG特征的响应输出，由下式：

其中f_tmpl(·)为候选区域在滤波器计算下的响应输出，h_t-1为式(3)计算得到的HOG特征滤波器模型参数，为本帧HOG特征图。

5.根据权利要求4所述的方法，其特征在于，所述利用平均相关峰能量和平滑约束性进行自适应特征融合包括以下步骤：

S24，计算响应图平滑约束性S_p；

S25，计算平均相关峰能量E_p；

S26，自适应特征融合确定目标位置。

6.根据权利要求5所述的方法，其特征在于，所述自适应特征融合确定目标位置中，融合权重的计算由下式：

其中，v_i为平均相关峰能量置信指标控制权重，μ_i为响应图平滑约束性控制权重，i＝1,2，α₁,α₂分别为HOG特征和CN特征的平滑约束性和平均相关峰能量影响因子；

融合权重的自适应方式由下式：

其中，i＝1,2，Φ₁，Φ₂分别为HOG特征和CN特征的融合权重；

最终融合响应输出f_tot由下式：

f_tot＝Φ₁×f_HOG+Φ₂×f_CN         (7)

其中，f_HOG为HOG特征响应输出，f_CN为CN颜色特征响应输出。