[发明专利]一种基于自适应子块筛选的多线索视觉跟踪方法

权利要求书

1.一种基于自适应子块筛选的多线索视觉跟踪方法，其特征在于，具体包括以下步骤：

S1.采集图像信息，将图像信息进行划分得到目标区域，对目标区域进行均匀分块，并将目标区域的图片进行显著性检测，根据视觉特征显著程度得到候选子块集合；

S2.对步骤S1中得到的候选子块集合中的候选子块进行多尺度采样，并对采样进行核相关滤波，保留候选子块集合中频域响应较大的子块，确定这些子块的尺度，更新候选子块集合；

S3.对候选子块集合中的子块进行运动估计，计算每个子块的表观线索ac_i、空间分布线索sc_i和运动轨迹线索mc_i，由此计算得到跟踪目标的当前位置；所述对候选子块集合中的子块进行运动估计的具体步骤如下：

S3.1判断子块的运动，在候选子块集合中剔除在相邻帧图像中的位移过大或者在相邻图像帧中的运动方向相对平均位移方向偏移过大的子块；

S3.2计算每个子块的表观线索ac_i、空间分布线索sc_i和运动轨迹线索mc_i，公式如下：

ac_i＝PSR_i

其中，PSR_i是经归一化后第i块的峰-旁瓣比值，M表示经过步骤S3.1后剩余子块的数目，(x_i,y_i)表示第i块的坐标，(x_s,y_s)表示所有块的中心位置，σ_s为距离标准差，(Δx_i,Δy_i)表示第i块的运动向量，(Δx_m,Δy_m)表示所有块的平均运动向量，σ_m为运动标准差；

S3.3计算w_i＝rc_iw_r+sc_iw_s+mc_iw_m，其中(w_r,w_s,w_m)表示三种线索的权重；

S3.4令即得到跟踪目标的当前位置；S4.通过步骤S3中得到的跟踪目标的当前位置，对当前目标区域中的每个子块位置对应的高斯核进行更新，将不满足空间内聚性或运动一致性的子块重新初始化。

2.如权利要求1所述的方法，其特征在于，在步骤S1中，对子块进行划分得到候选子块集合的过程具体包括以下步骤：

S1.1采集一帧图像，得到目标区域,并对目标区域进行均匀分块；

S1.2将目标区域图片作为显著性检测算法输入，得到目标区域的显著性图；

S1.3对步骤S1.2中得到的显著性图进行高斯平滑去除噪声点；

S1.4取显著性图的最大值点位置(x,y)，根据步骤S1.1的子块划分确定最大值点位置(x,y)所在子块，将该子块加入候选子块集合；

S1.5将显著性图进行更新，去除步骤1.4中最大值点位置所在的子块，重复步骤S1.4，得到新子块，与候选子块集合中的子块进行重合度计算，如果均小于阈值τ，则将新子块加入候选子块集合；

3.如权利要求2所述的方法，其特征在于，在步骤S1.2中，所述显著性检测算法为FT算法。

4.如权利要求3所述的方法，其特征在于，在步骤2中，对采样后的候选子块进行尺度筛选时，具体包括以下步骤：

S2.1确定候选子块集合中的子块的搜索区域范围和搜索区域模板尺寸；

S2.2根据搜索区域范围和搜索区域模板尺寸初始化高斯核；

S2.3将每个子块的频域样本按搜索区域模板尺寸进行缩放，并提取HOG特征，进行FFT变换得到子块的多尺度样本；

S2.4将子块的多尺度样本与相应的高斯核进行相关性滤波，得到频域响应，去除频域响应较低的子块，更新候选子块集合；

S2.5按照如下公式计算每个样本的PSR值，在每个尺度下对所有子块的PSR值求和，其中：

其中，PSR是峰-旁瓣比,g_max为响应的峰值，s为响应的旁瓣区域，μ_s和σ_s分别为旁瓣区域的均值和标准差；

S2.6分析PSR值的求和值，将PSR值求和值最大的子块的尺度确定为最佳尺度。