[发明专利]基于多特征融合和区域生长的低小慢目标跟踪方法及装置

权利要求书

1.一种基于多特征融合和区域生长的低小慢目标跟踪方法，其特征在于，步骤包括：

S1.迭代执行：依次获取目标跟踪图像中各帧图像进行迭代处理，以首帧图片中目标位置为目标起点位置并截取初始ROI区域，每次迭代处理时根据前一帧图片中目标的位置在当前帧图片中截取ROI区域作为候选目标区域，以前一帧图片截取的ROI区域作为目标ROI区域，分别计算所述目标ROI区域、候选目标区域的特征参数，根据所述特征参数建立对应的目标描述模板、候选目标描述模板；

S2.初始位置确定：根据所述目标描述模板、候选目标描述模板之间的相似度，判断当前迭代是否满足预设收敛判决条件，如果满足则将当前帧图片中目标的位置确定为初始目标位置，转入步骤S3；如果不满足则重新截取所述候选目标区域计算所述候选目标描述模板，返回步骤S2；

S3.区域生长更新：以确定的所述初始目标位置为生长点，使用区域生长方法进行区域生长，根据所述区域生长的结果重新截取当前帧图片的ROI区域，并更新所述目标描述模板，继续执行所述迭代处理，直至所述区域生长的结果满足预设条件，得到最终的目标位置；

所述特征参数包括Hu特征向量、灰度特征以及HOG特征，所述灰度特征以及HOG特征用于建立所述目标描述模型，所述Hu特征向量用于判断是否满足预设收敛判决条件；

所述步骤S1中按照下式建立所述目标描述模板：

以及按照下式建立所述候选目标描述模板：

其中，δ[]为冲激函数，α(z_ij)表示目标区域中像素位置z_ij处的灰度值在灰度直方图中区间索引值，β(z_ij)表示目标区域中像素位置z_ij处的HOG值在HOG直方图中区间索引值，f表示当前候选区域目标的中心位置坐标，u表示灰度直方图所划分区间索引值向量，v表示HOG直方图所划分的区间索引值向量，K是核函数，h为核函数窗口大小，c是归一化系数，m表示区域的行数，n表示区域的列数；

所述步骤S2中具体当同时满足：所述目标描述模板、候选目标描述模板之间的相似度为最大，且所述目标描述模板的Hu不变矩向量、候选目标描述模板的Hu不变矩向量之间的欧氏距离最小时，判定为满足预设收敛判决条件，即收敛判别条件表示为：

ρ＝max(ρ(P,Q))∧mindist(P_h(f)Q_h)

其中，P和Q分别表示候选目标描述模型、目标描述模型，P_h和Q_h分别表示候选目标描述模型、目标描述模型的Hu矩向量，ρ(P,Q)表示候选目标描述模板与目标描述模板之间的Bhattacharyya系数，dist表示欧式距离。

2.根据权利要求1所述的基于多特征融合和区域生长的低小慢目标跟踪方法，其特征在于，所述步骤S1中，每次迭代处理时具体根据前一帧图片中目标的位置使用Meanshift算法迭代得到目标的下一个位置，以得到的所述目标的下一个位置为中心截取ROI区域，得到所述候选目标区域；所述步骤S2中如果判断到不满足预设收敛条件时，根据前一帧图片中目标的位置以及得到的所述目标的下一个位置重新截取所述候选目标区域。

3.根据权利要求1～2中任意一项所述的基于多特征融合和区域生长的低小慢目标跟踪方法，其特征在于，所述步骤S2中具体基于Bhattacharyya系数计算所述目标描述模板、候选目标描述模板之间的相似度，所述目标描述模板、候选目标描述模板之间的相似度具体按下式计算得到：

其中，ρ(P,Q)表示候选目标描述模板、目标描述模板之间的相似度，P和Q分别表示基于灰度直方图和HOG直方图建立的候选目标描述模板、目标描述模板，q_ij表示候选模板中灰度索引值为i、HOG索引值为j的统计值，p_ij表示目标模板中灰度索引值为i、HOG索引值为j的统计值，M为灰度特征划分区间数，N为HOG特征划分区间数。