[发明专利]一种基于似物性和相关滤波的目标跟踪方法

权利要求书

1.一种基于似物性和相关滤波的目标跟踪方法，其特征在于，包括以下步骤：

步骤1，输入视频，在视频的第一帧中，对标记目标区域扩展，以扩展后的图片块为目标样本，利用循环位移的方法构建训练样本，并进行边界效应处理，构建回归模型；

步骤2，获取视频的下一帧，以前一帧的目标位置为中心定义搜索区域，并计算当前帧搜索区域的前向光流；

步骤3，基于步骤2得到的前向光流和当前帧搜索区域的颜色通道，得到边缘图；

步骤4，基于步骤3得到的边缘图，产生运动目标的候选集合；

步骤5，基于步骤4得到的候选集合，利用超像素对候选框窗口进行调整，得到最终的运动目标的候选集合；

步骤6，在当前帧中的搜索区域中用步骤1得到的回归模型计算对应的响应值，并利用步骤1的回归模型计算步骤5中得到的运动目标候选的响应值；

步骤7，基于步骤6得到的响应值，选择响应值最大的候选矩形框并确定当前帧的目标状态；

步骤8，基于步骤7得到的当前帧的目标状态更新步骤1中的回归模型；

步骤9，判断当前帧是否为视频的最后一帧，若是则结束；否则转入步骤2。

2.根据权利要求1所述的方法，其特征在于，步骤1包括：输入视频，获取视频第一帧，对以目标区域为中心，高和宽为目标区域λ倍的区域作为目标区域扩展，目标区域高和宽分别为w₁和h₁，扩展后的的图片块记为x，大小记为λw₁×λh₁，λw₁、λh₁分别表示图片块x的高和宽，用扩展的图片块x采用KCF中的训练方法得到回归模型，引入核函数后，回归模型的解表示为其中y为训练样本的标签，表示样本的预测标签，表示真实解，表示预测解，为训练样本通过核函数映射后乘积结果组成的矩阵的第一行。

3.根据权利要求2所述的方法，其特征在于，步骤2包括：获取视频下一帧，以前一帧目标位置l_i-1为中心，前一帧目标区域高宽的λ倍作为当前的搜索区域z，前一帧目标区域高和宽分别为w_i-1和h_i-1，当前的搜索区域z大小为λw_i-1×λh_i-1，在前一帧中提取相同大小的图片区域，利用LDOF大位移光流计算当前帧搜索区域的前向光流。

4.根据权利要求3所述的方法，其特征在于，步骤3包括：将步骤2得到的前向光流即2维光流通道与当前帧搜索区域的R、G、B三个颜色通道结合，得到5维的图片块，利用结构化随机森林的方法计算图片块的边缘，得到边缘图。

5.根据权利要求4所述的方法，其特征在于，步骤4包括：在得到的边缘图上，采用基于边缘的似物性方法EdgeBox产生运动目标的候选集合。

6.根据权利要求5所述的方法，其特征在于，步骤5包括：对候选集合，对每个候选的矩形窗口进行调整，将当前帧的搜索区域采用SLIC简单线性迭代聚类算法进行超像素分割，由调整后的矩形框构成最终的运动目标的候选集合。

7.根据权利要求6所述的方法，其特征在于，步骤6包括：

步骤6-1，利用步骤1得到的回归模型的解α和步骤2得到搜索区域z，调整z的大小为λw₁×λh₁，利用KCF核相关滤波中的检测算法计算搜索区域对应的响应值，计算公式为为KCF中检测算法，为搜索区域的响应值，即概率，响应值的最大值记为v，由最大值的位置得到目标的位置l^d；

步骤6-2，对步骤5得到的候选集合中的每个矩形框，调整大小为λw₁×λh₁，其响应值由计算得到，针对于候选集合中每一个矩形框，f(p)为每一矩形框响应值的和，为KCF中检测算法，表示所有元素的和，其中的最大值记为f_max，其对应的位置记为l^b，尺寸记为w^b×h^b，w^b表示宽，h^b表示高。