[发明专利]一种基于自适应相关滤波的长时视频跟踪方法

权利要求书

1.一种基于自适应相关滤波的长时视频跟踪方法，其特征在于，所述方法融合了HOG特征、CN特征和灰度特征，在增强特征判别力的同时，结合Edgebox生成检测建议，找到最优建议实现跟踪器尺度与纵横比的自适应，利用高置信度跟踪结果避免模板被破坏，将目标移动速度与边缘组数结合起来形成了一种新的自适应更新率，对每一帧目标框的尺度进行校正；

所述方法在跟踪失败的情况下，应用增量学习检测器以滑动窗口的方式恢复目标位置；

所述方法包括：

(1)获取目标第一帧，人工确定目标中心位置与边界框长宽(lx₁,ly₁,w₁,g₁)，其中lx₁为目标中心位置横坐标，ly₁为目标中心位置纵坐标，w₁为边界框宽度，g₁为边界框高度；

(2)根据第一帧的目标中心位置以1个像素为步长进行密集采样，当样本与目标边界框重叠比大于0.9时为样本分配正标签，而小于0.5时为样本分配负标签，生成样本集训练支持向量机；

(3)根据第一帧的目标中心位置与边界框长宽(lx₁,ly₁,w₁,g₁)得到图像块，提取HOG特征、CN特征和灰度特征，训练相关滤波器目标外观与模型参数

(4)获取新的一帧，记为第t帧，根据该帧前一帧的目标中心位置与边界框长宽(lx_t-1,ly_t-1,w_t-1,g_t-1)得到图像块，应用Edgeboxes获得一组提案框(z₁,…,z_r)以及提案框里对应的边缘组个数；

(5)按式计算每个提案框的相关响应矩阵，其中Φ^-1表示傅里叶反变换，·表示元素点积运算，表示与的互相关高斯核，＾表示离散傅里叶变换；每个提案框响应矩阵中最大的元素值记为F_max(z_i),i＝1,…,r，F_max(z_i),i＝1,…,r中最大值所对应的矩阵为具有最大相关响应提案框的响应矩阵，记为F，其最大响应值记为F_max，最大相关响应提案框对应的边缘组个数记为bs_t；

(6)如果F_max大于0.15则将具有最大相关响应的提案框作为目标位置，并计算相应的目标外观与模型参数继续执行步骤(7)；

否则按下式

求解最优平面的参数w和b，其中m_i是生成的特征向量的第i个样本，而c_i∈(+1,-1)是二元标签，L表示合页损失函数，n表示样本个数；紧接着计算每个采样区域的得分score_i＝w^Tm_i+b，将最大的分数对应的采样区域作为目标位置，并计算相应的目标外观与模型参数

(7)计算第t帧的APCE值，记为APCE_t，计算若则置信度较高，继续步骤(8)；否则跳转步骤(11)，其中γ∈(0,1)；

(8)确定模板自适应更新率θ；

所述确定模板自适应更新率θ，包括：

(8.1)利用公式确定θ₁的值，其中v表示目标运动速度；

(8.2)利用公式确定θ₂的值，其中bs_t表示第t帧时计算得到的边缘组数，bs₂表示第2帧时计算得到的边缘组数，ε∈(0,0.00001)防止分母为0；

(8.3)计算θ值：θ＝β*θ₁+(1-β)*θ₂，β∈(0,1)表示权重系数；

(9)按照如下公式更新相关滤波器目标外观与模型参数

(10)根据当前目标中心位置以1个像素为步长密集采样，当样本与目标边界框重叠比大于0.9时分配正标签，而小于0.5时分配负标签，重新生成样本集并按照式

更新超平面，符号表示梯度，表示对w求梯度，(m,c)表示生成的训练集，τ表示控制更新率的超参数；

(11)如果当前帧为最后一帧，则目标跟踪结束，否则跳转步骤(4)。