[发明专利]一种用于察打系统的目标自动跟踪方法

权利要求书

1.一种用于察打系统的目标自动跟踪方法，其特征在于，包括如下步骤：

S1、无人机搭载系统飞至目标上空，录制目标所在区域的视频数据；然后将视频数据转换为待处理数据；

S2、从待处理数据中截取第一帧图像作为基准图像，检测基准图像中的目标以及目标的类型，并在目标周围生成目标的包围框作为待跟踪目标框R；

同时在基准图像中提取出目标模板和背景模板，将目标样本作为正样本，将背景模板作为负样本，负样本中以目标所在位置为目标区域，通过对负样本进行循环位移得到多个训练样本，同时纪录各训练样本的标签，使用训练样本通过和相关方法计算出回归器，利用回归器对测试样本计算响应，，所述测试样本为从基准图像之后的所有帧的图像；从测试样本中筛选出预测目标位置的测试样本，具体步骤如下：

定义回归器，所述回归器包括线性回归模型和非线性回归模型；

首先利用核相关算法计算线性部分的回归模型，定义目标Z的目标函数为f(Z)＝w^TZ；

其中，Z为训练样本集合组成的输入数据，w为回归模型的参数矩阵；

得到最小残差函数：

其中，λ为正则化参数，x_i为输入数据，y_i为样本标签；

对最小残差函数关于w求导，令其导数为0，解出关于w的最小二乘问题的闭式解：

w＝(X^TX+λI)^-1X^Ty；

其中，I为单位矩阵；

X＝[x₁ x₂ x₃K x_n]^T为负样本矩阵，x为负样本的特征向量，x_n由x循环位移得到的训练样本的特征向量；

y＝[y₁ y₂ y₃K y_n]^T为回归目标矩阵，y为每个训练样本对应的真实标签值；

然后，关于w的最小二乘问题的闭式解进行复频域表达，所述复频域表达式为：

w＝(X^HX+λI)^-1X^Hy；

其中，X^H＝(X^*)^T，X^*为X的复共轭矩阵；

解出关于X^HX的表达式：

其中，

将代入w＝(X^TX+λI)^-1X^Ty中，得到，

并对进行傅里叶变换，

然后，计算非线性部分的回归模型，具体步骤如下：

定义非线性核函数φ(x)，利用岭回归公式计算其分类器为：

f(x_i)＝ω^Tφ(x_i)；

此时得到的权重系数为：

其中，ω是φ(x)＝[φ(x₁),φ(x₂),L,φ(x_n)]行向量张成的空间中的一个向量，因此，

ω＝∑_iα_iφ(x_i)；

将ω＝∑_iα_iφ(x_i)代入中；

令关于α列向量导数为0，计算出：

α^*＝(φ(X)φ(X)^T+λI)^-1y

f(z)＝ω^Tφ(z)＝α^Tφ(X)φ(z)

令φ(X)表示核空间的核矩阵，由核函数得到，那么K＝φ(X)φ(X)^T，于是可得：

α^*＝(K+λI)^-1y

将K对角化，则有：

然后对待处理的测试样本进行滤波计算，待处理的测试样本是由预测区域和其循环移位得到的样本集合z_j＝P^jz；

定义测试样本和训练样本在核空间的核矩阵：

由于核矩阵满足K(x,x')＝K(Px,Px')，计算出各个测试样本的响应：

其中，为核矩阵经过傅里叶变换后得到的对角矩阵；

得到所有测试样本的响应后，筛选最大响应值所在位置的测试样本，将此测试样本的位置作为预测目标的中心位置；

完成一次预测；

S3、根据HOG和LBP特征，计算最大响应值所在的样本中所提取的目标的相似度，若相似度大于D，则将当前的样本作为目标模板，同时更新目标的待跟踪目标框Ri；其中，D为样本中前15帧颜色特征与纹理特征之和的均值；

间隔15秒返回步骤S2，直至跟踪结束。

S4、将完成跟踪后的具有目标跟踪结果的视频，以H.264格式进行压缩和存储，通过以太网传输至系统。