[发明专利]基于相关滤波的长时目标跟踪方法

权利要求书

1.一种基于相关滤波的长时目标跟踪方法，其特征在于，包括下列步骤：

步骤1、输入目标跟踪图像序列；

步骤2、采用自适应特征融合方法训练滤波器模板；

步骤3、根据目标图像位置和尺度大小训练结构化支持向量机；

步骤4、初步确定目标位置；

步骤5、目标位置重确定；

步骤6、自适应目标尺度估计；

步骤7、所述滤波器模板更新检测；

步骤8、模型更新；

步骤9、阈值更新；

步骤10、确定结果输出。

2.如权利要求1所述的基于相关滤波的长时目标跟踪方法，其特征在于，所述目标跟踪图像序列为已知目标图像序列，输入时获取目标在首帧的中心位置与尺度大小。

3.如权利要求1所述的基于相关滤波的长时目标跟踪方法，其特征在于，在采用自适应特征融合方法训练滤波器模板的过程中，提取目标融合特征，将融合特征降维处理，并训练目标融合特征的滤波器模板。

4.如权利要求3所述的基于相关滤波的长时目标跟踪方法，其特征在于，所述目标融合特征为多特征融合，基于相关滤波提取多层卷积特征作为深层特征，梯度直方图特征和颜色提名特征作为浅层特征。

5.如权利要求1所述的基于相关滤波的长时目标跟踪方法，其特征在于，在初步确定目标位置的过程中，根据训练好的目标滤波器模板，计算目标响应，响应最大值处即为目标预测位置。

6.如权利要求1所述的基于相关滤波的长时目标跟踪方法，其特征在于，在目标位置重确定的过程中，判断步骤4中的目标响应最大值是否满足目标检测阈值条件，如果大于阈值继续执行步骤6，如果小于阈值则进行目标检测重新确定目标位置。

7.如权利要求1所述的基于相关滤波的长时目标跟踪方法，其特征在于，在自适应目标尺度估计的过程中，将LPT尺度估计法作为独立模块，再与常规相关滤波构成的位置滤波器并联，组成自适应尺度变化的快速相关滤波器。

8.如权利要求1所述的基于相关滤波的长时目标跟踪方法，其特征在于，在所述滤波器模板更新检测的过程中，当图像序列为3的整数倍时对所述滤波器模板进行更新。

9.如权利要求1所述的基于相关滤波的长时目标跟踪方法，其特征在于，在模型更新的过程中，在目标预测位置以目标尺度估计大小提取目标融合特征，并更新目标特征，然后按照特征融合方法训练目标滤波器模板，当目标响应最大值大于分类器更新阈值时，更新所述训练结构化支持向量机。

10.如权利要求1所述的基于相关滤波的长时目标跟踪方法，其特征在于，在确定结果输出的过程中，包括下列步骤：

检测所述目标跟踪图像序列是否最后一帧，

若检测为最后一帧，则输出结果；

若检测为否，则转回步骤4继续执行。