[发明专利]基于自适应正则特征联合时间关联的相关滤波跟踪方法

权利要求书

1.基于自适应正则特征联合时间关联的相关滤波跟踪方法，其特征在于：具体包括如下步骤：

步骤1，选取待跟踪视频序列，并初始化该视频序列的第一帧；

步骤2，确定目标在跟踪视频序列第二帧的中心位置，并对第二帧中的目标尺度进行估计；

步骤3，确定目标在跟踪视频序列第t帧的位置，并对第t帧中的目标尺度进行估计，其中t＞2。

2.根据权利要求1所述的基于自适应正则特征联合时间关联的相关滤波跟踪方法，其特征在于：所述步骤1的具体过程为：

步骤1.1，人为框定待跟踪视频序列第一帧中的目标区域，得到目标中心位置坐标p₁和目标尺度s₁，p₁＝[x₁,y₁]^T，其中x₁,y₁分别为视频序列第一帧目标的中心位置在以图像左上角为原点的x轴和y轴的坐标，s₁＝[h₁,w₁]^T，其中h₁,w₁是第一帧目标区域的长和宽；

步骤1.2，根据视频序列第一帧中目标中心位置p₁和目标大小s₁确定视频序列第一帧训练搜索区域I₁；

步骤1.3，使用卷积神经网络提取视频序列第一帧训练搜索区域I₁的分层卷积特征，得到该搜索区域I₁的卷积特征f₁^l，f₁^l为一个(k×h₁)×(k×w₁)×c的矩阵，k×h₁，k×w₁分别为卷积特征图的长和宽，c为卷积特征图的通道数，f₁^l是第一帧由卷积网络第l层提取出的卷积特征，l∈(low，mid，high)，f₁^low为网络浅层特征，f₁^mid为网络中间层特征，f₁^high为网络高层特征；

步骤1.4，根据目标区域大小与第一帧训练搜索区域I₁大小对卷积特征f₁^l进行加窗，加窗后的卷积特征为f₁′^l；

步骤1.5，根据步骤1.4加窗后的卷积特征f₁′^l训练相关滤波器α^l，α^l为一个(k×h₁)×(k×w₁)的矩阵，l与特征层相对应，将训练后的相关滤波器变换到频域，得到

3.根据权利要求2所述的基于自适应正则特征联合时间关联的相关滤波跟踪方法，其特征在于：所述步骤1.4中加窗的具体过程为：

加窗后的总窗函数为余弦窗与高斯窗两种窗函数的叠加，其中：

余弦窗由第一帧训练搜索区域中卷积特征的尺寸f₁^l决定，f₁^l大小不变，则余弦窗函数w_cos不变化；

第一帧训练搜索区域高斯窗由如下公式(1)确定：

其中，(m，n)为高斯窗内每一点的坐标，M＝(k×h₁)/2，N＝(k×w₁)/2，δ为调节因子；

加窗后的总窗函数如下公式(2)所示：