[发明专利]基于相关滤波的尺度自适应的目标跟踪方法及系统

权利要求书

1.基于相关滤波的尺度自适应的目标跟踪方法，其特征在于：其包括以下步骤：

(1)输入图像序列；

(2)判断当前帧是否为序列的第一帧：若是，则执行步骤(3)；若不是第一帧，则执行步骤(4)；

(3)初始化目标跟踪矩形框，跳转至步骤(10)；

(4)提取出尺度变化后的图像块；

(5)进行FHOG特征提取；

(6)计算互相关矩阵以及最大响应值；

(7)判断是否处理所有尺度下的图像块，是则执行步骤(8)，否则执行步骤(4)；

(8)计算出所有尺度下的最大响应值；

(9)更新目标矩形框；

(10)提取搜索矩形框内的图像；

(11)进行FHOG特征提取；

(12)计算自相关矩阵；

(13)更新跟踪模型的参数；

(14)判断是否加载完图像序列中的所有图像：若是，则执行步骤(15)；若否，则执行步骤(1)；

(15)结束。

2.根据权利要求1所述的基于相关滤波的尺度自适应的目标跟踪方法，其特征在于：所述步骤(5)、(11)中，FHOG特征的提取包括：图像转置、灰度归一化、计算梯度值、离散化梯度值、计算梯度直方图、计算梯度能量、归一化，最后得到31维的特征。

3.根据权利要求2所述的基于相关滤波的尺度自适应的目标跟踪方法，其特征在于：所述步骤(5)、(11)中，图像转置、灰度归一化、计算梯度、离散化梯度、计算梯度直方图、计算梯度能量、归一化、特征转置，都是逐像素计算的过程，都使用CUDA进行加速。

4.根据权利要求3所述的基于相关滤波的尺度自适应的目标跟踪方法，其特征在于：所述步骤(12)中，计算自相关矩阵，核函数是高斯核，高斯核的计算公式为公式(1)

其中，σ为高斯核的标准差，是一个常数，是矩阵点乘运算，F^-1表示离散逆傅里叶变换。

5.根据权利要求4所述的基于相关滤波的尺度自适应的目标跟踪方法，其特征在于：高斯核的计算中，在计算L2范数和矩阵点乘时都是逐像素计算的，在设计CUDA时，每个线程都对应一个像素的计算。

6.基于相关滤波的尺度自适应的目标跟踪系统，其特征在于：其包括：

输入模块，其配置来将图像序列输入；

初始化模块，其配置来初始化目标跟踪矩形框；

提取模块，其配置来提取出尺度变化后的图像块；

单图像FHOG特征模块，其配置来进行FHOG特征提取，并计算自相关矩阵，更新跟踪模型的参数；

全部图像FHOG特征模块，其配置来提取所有尺度下图像块的FHOG特征，计算其互相关矩阵以及最大响应值，通过比较计算出所有尺度下的最大响应值，然后更新目标矩形框。

7.根据权利要求6所述的基于相关滤波的尺度自适应的目标跟踪系统，其特征在于：单图像FHOG特征模块、全部图像FHOG特征模块中，FHOG特征的提取包括：图像转置、灰度归一化、计算梯度值、离散化梯度值、计算梯度直方图、计算梯度能量、归一化，最后得到31维的特征。

8.根据权利要求7所述的基于相关滤波的尺度自适应的目标跟踪系统，其特征在于：单图像FHOG特征模块、全部图像FHOG特征模块中，图像转置、灰度归一化、计算梯度、离散化梯度、计算梯度直方图、计算梯度能量、归一化、特征转置，都是逐像素计算的过程，都使用CUDA进行加速。

9.根据权利要求8所述的基于相关滤波的尺度自适应的目标跟踪系统，其特征在于：所述单图像FHOG特征模块中，计算自相关矩阵，核函数是高斯核，高斯核的计算公式为公式(1)

其中，σ为高斯核的标准差，是一个常数，是矩阵点乘运算，F^-1表示离散逆傅里叶变换。

10.根据权利要求9所述的基于相关滤波的尺度自适应的目标跟踪系统，其特征在于：高斯核的计算中，在计算L2范数和矩阵点乘时都是逐像素计算的，在设计CUDA时，每个线程都对应一个像素的计算。