[发明专利]基于KCF自适应多特征融合滤波水面无人船跟踪方法、系统及存储介质

权利要求书

1.一种基于KCF自适应多特征融合滤波水面无人船跟踪方法，其特征在于，包括：

获取当前图像并通过位置相关滤波器采集第一候选样本；

将所述第一候选样本送入第一位置寻优通道和第二位置寻优通道，所述第一位置寻优通道用于提取样本的HOG特征并基于该特征获取第一目标位置，所述第二位置寻优通道用于提取样本的CN特征并基于该特征获取第二目标位置；

将所述第一目标位置和第二目标位置自适应加权融合得到最终位置；

通过尺度相关滤波器在最终位置处采集第二候选样本；

将所述第二选样本送入尺度位置寻优通道，所述尺度位置寻优通道用于提取样本的HOG特征并基于该特征获取目标尺度；

在最终位置处以目标尺度提取下一帧样本。

2.根据权利要求1所述的基于KCF自适应多特征融合滤波水面无人船跟踪方法，其特征在于，在最终位置处以目标尺度提取下一帧样本，还包括：

在最终位置处以目标尺度提更新位置相关滤波器和尺度相关滤波器。

3.根据权利要求1所述的基于KCF自适应多特征融合滤波水面无人船跟踪方法，其特征在于，

所述位置相关滤波器使用目标周围区域的循环矩阵采集预测样本，利用所述预测样本训练分类器，所述分类器输出下一帧图像的最佳位置，所述最佳位置为预测样本中针对分类器响应值最大的位置。

4.根据权利要求3所述的基于KCF自适应多特征融合滤波水面无人船跟踪方法，其特征在于，所述位置相关滤波器使用目标周围区域的循环矩阵采集预测样本，利用所述预测样本训练分类器，包括：

将所述下一帧图像的最佳位置周围区域的循环矩阵采集预测样本作为训练样本更新所述分类器。

5.根据权利要求1所述的基于KCF自适应多特征融合滤波水面无人船跟踪方法，其特征在于，

所述尺度相关滤波器用于输出下一帧图像的最佳尺度，所述最佳尺度为时预测样本中尺度响应得分最高的尺度。

6.根据权利要求1所述的基于KCF自适应多特征融合滤波水面无人船跟踪方法，其特征在于，将所述第一目标位置和第二目标位置自适应加权融合得到最终位置，包括：

根据第一目标位置对应的分类器响应值和第二目标位置对应的分类器响应值计算融合权重。

7.一种基于KCF自适应多特征融合滤波水面无人船跟踪装置，其特征在于，包括：

第一采集模块，用于获取当前图像并通过位置相关滤波器采集第一候选样本；

目标位置获取模块，用于将所述第一候选样本送入第一位置寻优通道和第二位置寻优通道，所述第一位置寻优通道用于提取样本的HOG特征并基于该特征获取第一目标位置，所述第二位置寻优通道用于提取样本的CN特征并基于该特征获取第二目标位置；

融合模块，用于将所述第一目标位置和第二目标位置自适应加权融合得到最终位置，

第二采集模块，用于通过尺度相关滤波器在最终位置处采集第二候选样本；

尺度获取模块，用于将所述第二选样本送入尺度位置寻优通道，所述尺度位置寻优通道用于提取样本的HOG特征并基于该特征获取目标尺度；

样本更新模块，用于在最终位置处以目标尺度提取下一帧样本。

8.根据权利要求7所述的基于KCF自适应多特征融合滤波水面无人船跟踪装置，其特征在于，所述样本更新模块还用于：

在最终位置处以目标尺度提更新位置相关滤波器和尺度相关滤波器。

9.根据权利要求1所述的基于KCF自适应多特征融合滤波水面无人船跟踪装置，其特征在于，

所述位置相关滤波器使用目标周围区域的循环矩阵采集预测样本，利用所述预测样本训练分类器，所述分类器输出下一帧图像的最佳位置，所述最佳位置为预测样本中针对分类器响应值最大的位置；

所述尺度相关滤波器用于输出下一帧图像的最佳尺度，所述最佳尺度为时预测样本中尺度响应得分最高的尺度。

10.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序运行时，执行所述权利要求1至6中任一项权利要求所述的方法。