[发明专利]一种基于多尺度多特征的目标图像跟踪方法

权利要求书

1.一种基于多尺度多特征的目标图像跟踪方法，所述跟踪方法包括如下步骤：

S1：初始化位置模型和比例模型；

S2：基于当前帧图像进行位置信息更新；

S3：基于更新的位置信息进行尺寸估计；

S4：基于更新的位置信息和尺寸估计，进行位置模型中滤波器和比例模型中滤波器的更新；

S5：采用更新后的位置模型和比例模型进行下一帧图像中目标图像的识别跟踪；

S6：重复步骤S2-S5，直至视频跟踪序列结束；

其特征在于，步骤S2中，基于当前帧图像进行位置信息更新，具体为：

S201：提取当前帧图像的颜色特征，由所述颜色特征和相应滤波器运算获得颜色映射特征图；

S202：提取当前帧图像的深度特征，由所述深度特征和相应滤波器运算获得深度映射特征图；

S203：将所述颜色映射特征图和所述深度映射特征图进行融合，获得融合特征图；

S204：基于所述融合特征图进行目标位置的估计，获得位置信息更新；

其中，基于所述融合特征图进行目标位置的估计，具体为：

利用如下公式，获得目标位置的估计，

f(x)＝γ₁f_cl(x)+γ₂f_cnn(x)；

其中，f_cl(x)表示颜色特征响应图，f_cnn(x)表示深度特征响应图，γ₁表示颜色特征响应图的加权值，γ₂表示深度特征响应图的加权值；

步骤S3中，基于更新的位置信息进行尺寸估计，具体为：

利用如下公式进行尺寸估计，

其中，S_t+1表示下一帧图像的预测尺度，p₀表示最新估计对象的中心，C(p₀)为相应的置信度得分。

2.根据权利要求1所述基于多尺度多特征的目标图像跟踪方法，其特征在于，步骤S201中，提取当前帧图像的颜色特征，由所述颜色特征和相应滤波器运算获得颜色映射特征图，具体为：

提取当前帧图像的颜色特征；

采用主成分分析方法将所述颜色特征维度由11维降低至2维；

由降维后的颜色特征和相应滤波器运算获得颜色映射特征图。

3.根据权利要求1所述基于多尺度多特征的目标图像跟踪方法，其特征在于，加权值γ_i的计算公式如下：

其中，k_i表示相关滤波器的期望响应值和实际响应值之间的差异，i表示颜色特征和深度特征。

4.根据权利要求3所述基于多尺度多特征的目标图像跟踪方法，其特征在于，k_i的计算公式，具体为：

其中，f_i(x)表示响应映射，i表示颜色特征和深度特征，表示移位算子，Δ表示将相关滤波器的峰值转换到响应映射的中心。

5.根据权利要求1所述基于多尺度多特征的目标图像跟踪方法，其特征在于，所述位置模型中滤波器和所述比例模型中滤波器均具体如下：

A_i＝ηY_i☉F_i^*F+(1-η)A_i-1；

B_i＝ηF_i☉F_i^*F+(1-η)B_i-1；

其中，*为复共轭，η为经验参数，i为第i个训练样本，Y为输出y的离散傅里叶变换，y值表示为期望的相关输出，F为输入图像。

6.根据权利要求5所述基于多尺度多特征的目标图像跟踪方法，其特征在于，η＝0.025。