[发明专利]基于特征融合及SVD自适应模型更新的相关滤波跟踪方法

摘要

本发明提供一种基于特征融合及SVD自适应模型更新的相关滤波跟踪方法，涉及目标跟踪技术领域。基于特征融合及SVD自适应模型更新的相关滤波跟踪方法，在特征提取阶段将边缘特征及HOG特征加权融合作为目标特征，加强对边缘特征的学习；在模型更新阶段，首先计算预测区域与真实区域的奇异值特征向量，进而通过计算奇异值特征向量的相似度，并结合设定的阈值判断是否需要进行模型更新。本发明提供的基于特征融合及SVD自适应模型更新的相关滤波跟踪方法，加强了对边缘特征的学习，避免了每一帧都更新模型造成的计算频繁，降低了错误更新的概率，更好的适应了背景干扰及目标遮挡等问题。

主权项

1.基于特征融合及SVD自适应模型更新的相关滤波跟踪方法，其特征在于：包括以下步骤：步骤1、根据给定的视频第一帧图像的目标位置，提取图像的边缘特征Fedge和HOG特征FHOG；步骤2、根据视频内容设定特征融合参数δ，计算得到融合后的特征值，如下公式所示：F＝δ*Fedge+(1‑δ)*FHOG其中，δ∈[0，1]，当δ＝0时，表示目标跟踪只使用HOG特征；当δ＝1时，表示目标跟踪只使用边缘特征；步骤3、利用步骤2得到的融合后的特征值，训练学习相关滤波器；步骤4、提取视频下一帧图像的目标位置特征，并采用相关滤波器对下一帧图像进行相关滤波操作，得到下一帧图像的目标预测区域；步骤5、计算下一帧图像的目标预测区域与真实区域的奇异值特征向量的相似度；步骤6：根据预测区域与真实区域的奇异值特征向量的相似度与所设定阈值的关系，判断是否更新相关滤波器；若相似度大于所设定的阈值，则更新相关滤波器，同时设置较低的学习率l＝0.025，以保持良好的跟踪；若相似度小于所设定的阈值，则认为预测区域与真实区域相差很大，不更新相关滤波器，同时设置较大的学习率l＝1；步骤7：重复Step4‑Step6对视频图像中所有帧图像进行目标跟踪，直至完成最后一帧图像的目标跟踪。