[发明专利]基于PCA-Struck多源视频目标特征融合跟踪方法

说明书

本发明公开一种基于PCA‑Struck多源视频目标特征融合跟踪方法，该方法首先使用主成分分析法将可见光与红外图像进行融合，并以前一帧的目标位置为中心，在当前融合图像中进行目标和背景样本的密集采样，通过SVM训练来更新前一帧的二分类器；然后，计算每个样本到SVM分类器的超平面的距离，并以此为标准给每个样本打分；最后，以评分最高的样本作为当前帧的目标，并更新目标位置。本发明在目标旋转运动、光照不均等方面都有较好地跟踪性能。

技术领域

本发明属于计算机视觉跟踪的技术领域，具体涉及基于PCA-Struck多源视频目标特征融合跟踪方法。

背景技术

近年来，计算机视觉发展越来越好，目标跟踪是其领域的主要研究方向之一。目标跟踪的任务是在给定的视频中，能稳定地跟踪到所感兴趣的目标。目标跟踪算法，从不同传感器成像的视频来看，主要分为红外与可见光视频。因此，基于红外视频的目标跟踪算法和基于可见光的目标跟踪算法，都称之为基于单一传感器(单源)的视频目标跟踪；而联合红外与可见光视频的目标跟踪，则称之为基于多传感器(多源)的视频目标跟踪。基于单源的视频目标跟踪方法和基于多源的视频目标跟踪方法，以上方法先后被提出，掀起了一股研究目标跟踪的热潮。

而仅仅基于单源的视频目标跟踪方法在实践中存在很多不足。简而言之，还是由于视频只是在某一个传感器下成像，这样跟踪方法在跟踪目标的过程中，它只能捕捉到这个视频中各种局部特性，而对于长时间的跟踪是存在着很大的缺陷。为了弥补基于单源的视频目标特征跟踪算法的缺陷，急需要进行目标跟踪方法的改进。

发明内容

基于上述现有技术的不足，本发明所要解决的技术问题在于提供一种基于PCA-Struck多源视频目标特征融合跟踪方法，基于多源的视频目标特征融合算法，对之前的单源目标跟踪方法进行改进。

为了实现以上发明，提出了基于PCA-Struck多源视频目标特征融合跟踪方法，包括以下步骤：

S1、PCA图像融合：运用PCA图像融合，保持各波段信息，细节性强；

S2、目标表示模型：Struck跟踪算法通过训练样本，找到概率最大的目标位置变换。其算法的核心就是SVM核函数，将线性不可分的样本转换到高维度的空间进行映射，采取SVM核函数超平面就行分割，达到分类的的目的。主要是要使两类样本分隔时候，使他们它们分类间隔最大；

S3、目标定位：Struck引入一个判别函数预测每帧之间目标位置发生的变化信息，预测下一帧位置，找到目标位置转换量；

S4、结构化输出SVM：定义最小凸目标函数，求最小凸目标函数的最优解。

进一步的，所述步骤S1的PCA图像融合的具体步骤如下：

S101、对参加融合可见光图像与红外图像进行配准，像素总和为K＝M×N；

S102、计算可见光图像像素点的R、G、B分量值按列存储在矩阵up_A中并将其归一化，其中所有像素点的特征矩阵是X＝[x₁,x₂,...,x_K]；

S103、对于up_A中的某一个像素x_i＝[R_i,G_i,B_i]^T，R_i，G_i，B_i分别表示同一像素点的RGB对应的分量值；

S104、计算所有向量的平均值

S105、计算up_A协方差矩阵