[发明专利]一种基于ECO算法和卡尔曼滤波的跟踪装置方法及装置

权利要求书

1.一种基于ECO算法和卡尔曼滤波的跟踪方法，其特征在于，所述方法包括：

步骤1，读取视频或图像序列的第一帧图像，从所述第一帧图像中确定跟踪目标；

步骤2，将第一帧图像中跟踪目标的位置信息作为样本放入ECO算法训练相关滤波器；

步骤3，读取下一帧图像，利用训练好的相关滤波器卷积当前帧图像候选区域对应的特征，获取图像候选区域的置信度图，置信度图概率最大位置对应当前帧图像的目标位置及其置信度概率，即得到当前帧图像的目标跟踪结果；

步骤4，用第一帧图像中跟踪目标的位置信息初始化卡尔曼滤波器；

步骤5，将跟踪结果转化为相对第一帧的位置信息[x1_t，y1_t]；

步骤6，将[x1_t，y1_t]送入初始化后的卡尔曼滤波器得到最优估计位置计算最优估计位置处的置信度，若该置信度大于预设阈值，返回最优估计位置处切片作为新样本；

步骤7，基于获取的新样本，使用样本融合更新策略，更新ECO算法的样本集，将获取的新样本集放入ECO算法训练相关滤波器，更新相关滤波器；

更新相关滤波器后，重复执行步骤3，直至当前视频或图像序列处理完。

2.根据权利要求1所述的基于ECO算法和卡尔曼滤波的跟踪方法，其特征在于，步骤4具体为：

步骤4.1，设目标状态向量更新方程为：

方程一：x_k＝F_kx_k-1；

其中，是目标的当前状态矩阵，是状态转移矩阵，其中，Position＝(x,y)为目标位置，velocity为当前速度，P为Position的缩写，v为velocity的缩写；

步骤4.2，设状态协方差矩阵的更新方程为：

方程二：Cov(x)＝∑Cov(Ax)＝A∑A^T；

结合方程一得

其中，x为状态矩阵，P_k-1为前一帧的协方差矩阵，等同于求和符号，A为公式推导中的辅助变量；

由于在跟踪时，跟踪目标的主观运动动量是不可知的，即控制矩阵，控制向量和加速度未知，因而跟踪部分的整体更新方程为：

x_k＝F_kx_k-1；

跟踪过程存在不确定的外部影响，会对系统产生不确定的干扰，且无法对这些干扰进行准确的跟踪和量化的，因此，除了外界的确定项，还需要考虑不确定干扰项W_k和Q_k，其中，W_k代表对应于x_k的干扰矩阵，Q_k代表对应于P_k的干扰矩阵，最终的状态方程如下：

x_k＝F_kx_k-1+W_k；

在初始化卡尔曼滤波器时，就是初始化

W₁，Q₁设置为经验噪声矩阵，即