[发明专利]一种强化多特征融合的置信项滤波器目标跟踪方法

权利要求书

1.一种强化多特征融合的置信项滤波器目标跟踪方法，其特征在于，包括以下步骤：

步骤1：对摄像头内外参数标定处理；

步骤2：获取目标的输入对象，输入待跟踪的视频序列，并标注初始帧；

步骤3：用摄像头实时拍摄监控区域内的被跟踪目标物体视频信息，并传送给视频数据处理单元；

步骤4：通过从视频数据处理单元获得的视频序列提取待跟踪目标的特征，在滤波器模型中引入FHOG特征；FHOG特征的计算过程具体包括：

步骤4.1首先用Prewitt梯度算子和对视频帧做卷积计算得到垂直边缘梯度分量和水平边缘梯度分量，得出每个像素点的Prewitt梯度值和方向：

式中，G(x,y)表示像素点的Prewitt梯度，θ(x,y)表示像素点Prewitt梯度的方向，G_x(x,y)和G_y(x,y)分别为垂直边缘梯度分量和水平边缘梯度分量；

步骤4.2通过逐像素计算的Prewitt梯度特征，对当前帧像素点(x,y)处的特征矩阵进行计算：

式中，F_b(x,y)表示当前帧像素点(x,y)处的FHOG特征矩阵，采用18个敏感方向通道的特征矩阵，b∈{0,1,K,18}；

步骤4.3对上述计算得到的特征矩阵F_b(x,y)进行归一化操作，归一化因子定义如下：

式中，δ，γ为像素邻域参数，δ，γ∈{-1,1}；S(i,j)为每帧视频序列中8×8个像素点组成的像素单元的F_b(x,y)构成的特征矩阵，0≤i≤[(M-1)/8]，0≤j≤[(N-1)/8]，M和N分别为视频序列每帧的长度和宽度；

步骤4.4定义截断函数T_α(v)：T_α(v)表示向量v被α截断之后形成的向量，对S(i,j)行归一化并截断，之后串联得到FHOG特征：

步骤5：使用高斯核函数将FHOG特征融入相关滤波器算法，得到高斯频域响应的核函数；

步骤6：计算颜色名特征强化颜色特征；

步骤7：计算背景感知特征，引入多通道背景感知相关滤波器；

步骤8：对FHOG特征、颜色名特征和背景感知特征进行自适应置信度融合，得出改进算法的更新模型；模型的更新方法具体如下：

步骤8.1定义目标区域的最大响应峰值R_max和视频帧在频域中的平均峰相关能量APCE：

R_max＝max f(T(x_t,p)；θ_t-1)

上式中，f(T(x_t,p)；θ_t-1)表示目标矩形区域的快速傅里叶变换，θ为模型参数，T为样本特征的映射，p为跟踪目标的矩形窗口；R_max,R_min,R_m,n分别表示目标区域响应函数的最大、最小和第m行第n列的值；

步骤8.2分别计算FHOG特征、颜色名特征和背景感知特征滤波器响应分配的权值：

步骤8.3根据下式对改进算法的更新模型o^t+1进行计算：

式中，分别为FHOG的特征，CN特征和BA特征滤波器在t帧的模型，μ_CN，μ_FHOG，μ_BA分别为FHOG特征权重因子，CN特征权重因子和BA特征权重因子；

步骤9：根据更新后模型的融合响应，选择目标区域响应值最大的区域，输出跟踪目标矩形框所在的位置，即完成目标跟踪。

2.根据权利要求1所述的一种强化多特征融合的置信项滤波器目标跟踪方法，其特征在于：所述步骤4.4中截断值α取0.2。