[发明专利]一种面向航拍改进KCF和DSST相结合的目标检测方法

权利要求书

1.一种面向航拍改进KCF和DSST相结合的目标检测方法，其特征在于，包括以下步骤：

第一步，读取视频进行分帧处理得到序列帧数和标注框真值；

第二步，在首帧中获取跟踪目标在图片帧中的实际位置，对HOG特征、CN特征、HSV特征信息进行提取，基于循环矩阵形式来构建训练样本，其中基样本为正样本，其他的都为负样本；

第三步，通过岭回归分类器分类，构建循环样本矩阵训练该分类器，在频域进行训练，并更新训练；

第四步，快速检测和跟踪器更新，使用已经训练好的跟踪器对padding窗口区域进行滤波计算，得到特征响应图，获取响应图峰值和峰值坐标；

第五步，根据历史目标位置和响应图预测目标中心坐标，通过构建了一个一维的尺度滤波器，建立金字塔模型来估算目标尺度，引入尺度变化；

第六步，获取最终目标区域，判断响应图是否满足需求，更新目标位置、目标尺度，实现目标检测跟踪。

2.根据权利要求1所述的一种面向航拍改进KCF和DSST相结合的目标检测方法，其特征在于，所述第二步中提取HOG特征和CN特征，具体如下：

G_x(x,y)＝I(x+1,y)-I(x-1,y)

G_y(x,y)＝I(x,y+1)-I(x,y-1)

θ(x,y)＝arctan(G_y(x,y)/G_x(x,y))

式中，G_x(x,y)、G_y(x,y)分别为x，y方向梯度值；θ(x,y)为梯度方向,I(x+1,y)为点(x,y)左侧水平方向梯度值，I(x-1,y)为点(x,y)右侧侧水平方向梯度值，I(x,y+1)为点(x,y)垂直方向上方的梯度值，I(x,y-1)为点(x,y)垂直方向下方的梯度值，G(x,y)表示梯度的幅度值；

每个特征的响应图对应的权重为：

M＝(M_hog,M_CN,M_hsv)

其中，γ_cn、γ_hog、γ_hsv为特征对应的权值系数，Q_cn、Q_hog、Q_hsv为每个特征滤波器响应图对应的置信度，M_hog，M_CN，M_hsv分别为HOG和CN、HSV特征，融合得到特征M。

3.根据权利要求1所述的一种面向航拍改进KCF和DSST相结合的目标检测方法，其特征在于，第五步所述引入尺度变化，具体如下:

首先通过多维特征判别相关滤波器估计目标的位置,再增加尺度滤波器估计目标的尺度信息，其中位置滤波器和尺度滤波器相互独立，提取目标所在图像块的多维特征f,构造最优滤波器：

式中，ε为最小均方误差，d为特征的维度最大值，l表示特征的维度l∈{1,···,d}，g表示高斯函数，λ是正则项系数，f^l为卷积滤波提取的样本，h^l为最优的滤波器，*代表循环相关。