[发明专利]基于PCA-Struck多源视频目标特征融合跟踪方法

权利要求书

1.基于PCA-Struck多源视频目标特征融合跟踪方法，其特征在于，包括以下步骤：

S1、PCA图像融合：运用PCA图像融合，保持各波段信息；

S2、目标表示模型；

S3、目标定位：引入一个判别函数预测每帧之间目标位置发生的变化信息，预测下一帧位置，找到目标位置转换量；

S4、结构化输出SVM：定义最小凸目标函数，求最小凸目标函数的最优解。

2.如权利要求1所述的基于PCA-Struck多源视频目标特征融合跟踪方法，其特征在于，所述步骤S1的PCA图像融合的具体步骤如下：

S101、对参加融合可见光图像与红外图像进行配准，像素总和为K＝M×N；

S102、计算可见光图像像素点的R、G、B分量值按列存储在矩阵up_A中并将其归一化，其中所有像素点的特征矩阵是X＝[x₁,x₂,...,x_K]；

S103、对于up_A中的某一个像素x_i＝[R_i,G_i,B_i]^T，R_i，G_i，B_i分别表示同一像素点的RGB对应的分量值；

S104、计算所有向量的平均值

S105、计算up_A协方差矩阵

S106、计算C_X的特征值λ_i与对应的特征向量λ_i按大到小的顺序排列，相应的也相对应，其中

S107、按照下式进行主分量变换；

Y＝A×(X-m_X)

S108、计算红外图像像素点的R、G、B分量值按列存储在矩阵up_B中并将其归一化；

S109、并重复步骤S102-S107，得到红外图像第一主分量，第二主分量，第三主分量；

S110、对可见光与红外图像的主分量直方图相匹配，把可见光图像的第一主分量替换成红外图像中的第一主分量；

S111、将匹配之后的向量，按照下式进行PCA逆变换，则得到最终融合图像

X＝A^-1×Y+m_X。

3.如权利要求1所述的基于PCA-Struck多源视频目标特征融合跟踪方法，其特征在于，所述步骤S2中目标表示模型训练样本如下：

4.如权利要求1所述的基于PCA-Struck多源视频目标特征融合跟踪方法，其特征在于，所述步骤S3中目标定位的具体步骤如下：

S301、Struck引入一个判别函数F:X×Y→R，通过上一帧的目标特征x和支持向量直接利用预测函数f:x→y来预测每帧之间目标位置发生的变化信息，其中y表示搜索空间，预测函数公式为：

S302、找到概率最大的目标位置转换的y_t∈y，用其作为目标跟踪预测下一帧位置的基础，所以下一帧目标为其中P_t-1为当前帧的目标位置，y_t为下一帧预测目标位置转换量。

5.如权利要求1所述的基于PCA-Struck多源视频目标特征融合跟踪方法，其特征在于，所述步骤S4中结构化输出SVM具体步骤如下：

S401、将判别函数形式转换成F(x,y)＝ω,Φ(x,y)，其中φ表示映射函数，定义最小凸目标函数为：

其中，δΦ_i(y)＝Φ(x_i,y)，是一个两矩形框之间重叠率，将上式转换成其与之等价的对偶问题的求解，求最小凸目标函数的最优解。