[发明专利]一种基于联合模型的相关滤波目标跟踪方法

权利要求书

1.一种基于联合模型的相关滤波目标跟踪方法，其特征在于，步骤如下：

步骤一、读入图像，确定跟踪目标：读入第一帧图像Image₁，设定跟踪目标，并将跟踪目标所在区域作为第一帧的候选区域；

步骤二、基于核化相关滤波器KCF和自适应的颜色特征CN模型构建训练样本集合，训练位置滤波器：针对位置滤波器，在相关滤波的框架下，围绕第一帧跟踪目标的中心点位置，基于KCF跟踪模型得到位置滤波器训练样本集合X_1p；针对颜色模型，围绕第一帧跟踪目标的中心点位置，基于CN模型得到颜色模型训练样本集合X_1c；

步骤三、基于DSST模型训练初始尺度相关滤波器F_scale：针对尺度相关滤波器，在相关滤波框架下，围绕第一帧的候选区域，基于尺度空间判别跟踪DSST模型中的尺度相关滤波器计算尺度模型训练样本集合X_1s，训练初始尺度相关滤波器F_scale；

步骤四、创建初始的分类器池：分类器池中包含CN、KCF、DSST和KCF-CN四个分类器模型，将每一个分类器与第一帧图像Image₁中带有跟踪目标的候选区域分别组合放入分类器池，完成初始分类器池构建，并计算第一帧的遮挡阈值Th₁；

步骤五、读入下一帧图像：读入下一帧图像Image_t，t1，以第t-1帧确定的最优候选区域为第t帧候选区域；

步骤六、根据t-1帧确定的分类器，计算第t帧最优的目标中心位置F_P：

步骤6-1、当t-1帧确定的分类器为CN分类器模型时，则使用CN分类器计算第t帧图像的最优的目标中心位置F_P；

步骤6-2、当t-1帧确定的分类器为KCF分类器模型时，则使用KCF分类器计算第t帧图像的最优的目标中心位置F_P；

步骤6-3、当t-1帧确定的分类器为DSST分类器模型时，则使用DSST分类器计算第t帧图像的最优的目标中心位置F_P；

步骤6-4、当t-1帧确定的分类器为KCF-CN分类器模型时，则使用KCF-CN分类器计算第t帧图像的最优的目标中心位置F_P：围绕步骤五确定的候选区域的中心点位置，基于KCF和CN模型分别计算位置滤波器候选样本集合X_tp和颜色模型候选样本集合X_tc；计算KCF模型和CN模型的响应图R(KCF)和R(CN)，通过峰值旁瓣比加权融合得到候选样本置信度R_cv，选择置信度峰值最大的候选样本，该样本的中心位置即为目标的中心位置F_P；

步骤七、基于尺度相关滤波器F_scale估计第t帧最优的尺度：以步骤六预测的中心位置F_P为候选区域中心位置，依据第t-1帧最优矩形尺度确定候选区域，依据不同矩形尺度采样得到若干尺度样本并提取HOG特征，并对样本大小归一化；在傅里叶域，将每个尺度样本的特征与上一帧得到的尺度相关滤波器F_scale做点乘运算得到若干响应图，选择峰值最大的响应图所对应的尺度为当前帧目标的最优尺度值；

步骤八、判断目标是否被遮挡，更新遮挡阈值Th及分类器池：以步骤七预测得到的最优候选样本作为当前第t帧的目标图像块，以第t帧目标图像块的中心点位置和尺度作为基础按比例放大获得搜索框；将经过搜索框获得的图像分割成9个局部分块，计算中心块与其他周围块之间的最小相似性距离计算第t帧的目标图像块与分类器池内当前使用分类器对应的所有目标图像块之间最小相似性距离当时，其中η是调整参数，则判断当前帧图像被遮挡，否则默认为不遮挡；当判断为遮挡时，根据评价标准Q从分类器池中选择新的分类器重新预测第t帧时的目标位置；最后更新遮挡阈值Th及分类器池；

步骤九、判断视频序列是否结束，未结束，则转入步骤五。

2.根据权利要求1所述的一种基于联合模型的相关滤波目标跟踪方法，其特征在于，所述步骤四中，第一帧的遮挡阈值Th₁具体计算方法为：

其中v是调整值，表示第1帧利用搜索框获得的图像中心块与其他周围8个块之间的最小的相似性距离l。