[发明专利]样本可选择更新机制的目标跟踪方法、重新记忆有效样本的方法和距离估计方法

权利要求书

1.一种样本可选择更新机制的目标跟踪方法，其特征在于，包括：

第一步，获取视频起始帧并初始化跟踪器；

第二步，对下一帧用滤波跟踪方法对目标进行跟踪，并返回跟踪结果；

第三步，利用图像特征遗忘方法对跟踪结果进行分析，提取目标区域的图像特征与参考图像进行比对，将差距过大的跟踪结果进行遗忘；

第四步，利用能量显著记忆方法对第三步的遗忘的跟踪结果进行校验，提取遗忘结果目标区域的梯度能量做显著性分析，将包含目标的跟踪结果重新记忆进样本库，而其他不包含跟踪目标的结果维持遗忘操作，返回第二步或结束跟踪。

2.如权利要求1所述的样本可选择更新机制的目标跟踪方法，其特征在于，若第三步不存在差距过大的跟踪结果则返回第二步或结束跟踪。

3.如权利要求1所述的样本可选择更新机制的目标跟踪方法，其特征在于，第三步的步骤是：以第k帧图像为参考图像，分别提取第k帧和第k+1帧图像目标区域的HOG和CNN特征，然后计算两个区域图像特征的曼哈顿距离值，作为第k+1帧跟踪结果的图像距离值；

设视频的第k帧图像的特征为J_k(x)，第k+1帧图像的特征为J_k+1(x)，然后利用式(2)计算第k+1帧图像的图像距离值；

dist_k+1＞δ，δ∈(0，1) (3)

式中，δ是重叠度判断失效样本的上限值，dist_k+1为第k+1帧图像的图像距离值，n为特征图中的元素个数，J_k(x)_i和J_k+1(x)_i分别为第1帧和第k+1帧图像特征中的第i个元素；

若第k+1帧的图像特征距离大于δ，则将第k+1帧跟踪结果判定为需要遗忘的跟踪结果，若图像距离小于δ，则将该跟踪结果记忆进训练集中并跳至第五步。

4.如权利要求1所述的样本可选择更新机制的目标跟踪方法，其特征在于，第四步的步骤是：从最新的目标跟踪结果第k+1帧图像中提取目标区域的HOG能量，然后提取训练集中的所有图像的HOG能量并计算其均值作为对比，计算第k+1帧图像的HOG能量变化值作为第k+1帧图像的能量显著值；

设H_k+1为第k+1帧图像的HOG能量值，H_x为训练集中所有图像的HOG能量集合，则

式(7)为能量显著值计算公式，ener_k+1为第k+1帧图像的能量显著值，m表示训练集中已有的图像数量，H_x(i)表示训练集中的第i个图像的HOG能量；

若第k+1帧图像的能量显著值满足式(8)时，则将第k+1帧图像重新记忆进训练集，若不满足则维持第k+1帧图像的遗忘操作；

5.一种重新记忆遗忘结果中有效样本的方法，其特征在于，提取遗忘结果目标区域的梯度能量做显著性分析，将包含目标的跟踪结果重新记忆进样本库。

6.如权利要求1所述的重新记忆遗忘结果中有效样本的方法，其特征在于，从最新的目标跟踪结果第k+1帧图像中提取目标区域的HOG能量，然后提取训练集中的所有图像的HOG能量并计算其均值作为对比，计算第k+1帧图像的HOG能量变化值作为第k+1帧图像的能量显著值；

设H_k+1为第k+1帧图像的HOG能量值，H_x为训练集中所有图像的HOG能量集合，则

式(7)为能量显著值计算公式，ener_k+1为第k+1帧图像的能量显著值，m表示训练集中已有的图像数量，H_x(i)表示训练集中的第i个图像的HOG能量；

若第k+1帧图像的能量显著值满足式(8)时，则将第k+1帧图像重新记忆进训练集，若不满足则维持第k+1帧图像的遗忘操作；

7.一种红外-可见光双目行人身体多部件融合的持续距离估计方法，其特征在于，包括如下步骤：

S1.通过红外-可见光双目摄像头拍摄同一车前图像，得到红外车前图像和可见光车前图像；

S2.样本可选择更新机制的目标跟踪，确定红外车前图像和可见光车前图像中目标行人的位置；

S3.获取两种图像中的行人头高，并计算头部件距离估计结果，计算脚部件距离估计结果；

S4.对行人不同身体部件距离估计结果进行一级融合，对根据可见光及红外光图像输出的估计距离进行二级融合，完成级联式行人头部件、脚部件的距离融合，而确定行人与车前距离。