[发明专利]一种基于光谱特征的视觉追踪方法

权利要求书

1.一种基于光谱特征的视觉追踪方法，其特征在于，包括如下步骤：

步骤1，将视频帧的第一帧图像及其对应的光谱数据信息输入到CSK追踪器中，训练一个核化最小二乘分类器，充分利用循环矩阵结构特性，提升在后续图像帧中按块寻找目标的速度；其中，最小二乘分类器通过最小化代价函数得到特征向量的权值w；

步骤2，根据得到的权值w，在频域范围内求解参数c(m,n)，其中，(m,n)表示上一帧目标中心点的偏移位置；

步骤3，进行检测之前，对图像块进行加窗预处理；

步骤4，根据第一帧图像对光谱数据进行处理：分析和比较目标与背景在光谱维度的特征差异，找寻到目标的光谱维特征；

步骤5，采用主成分分析法对步骤4的光谱维特征进行降维映射，以降低数据的冗余；

步骤6，将步骤5中降维后的光谱维特征输入到CSK追踪器中进行训练，并通过下式得到CSK追踪器参数C：

其中，F{c}是指对参数c(m,n)进行傅里叶变换；Y是标记y的频域表示，而y是索引图像块的循环移位量x_m,n的标记，x_m,n∈{0,1...,M-1}×{0,1...,N-1}，M×N指目标图像块的大小；I是指单位阵；λ是正则化参数；表示第一帧图像中偏移位置(m,n)处的特征向量；

步骤7，训练完成之后，对后续图像序列进行检测，将后续图像帧中的图像块z_m,n输入到步骤6得到的追踪器中，检测输出分值分值的计算公式为：

其中，是指目标的近似位置，由当前检测帧的前一帧决定，是指对核函数进行傅里叶变换，F^-1指傅里叶反变换；

找到使输出分值最大的位置，即目标所在的位置；

步骤8，利用当前检测帧的光谱特征重新训练跟踪器，更新追踪器的权值w和参数c(m,n)；更新完毕后，重复步骤7继续对后续图像帧进行检测，直到图像序列检测完毕。

2.根据权利要求1所述的一种基于光谱特征的视觉追踪方法，其特征在于，所述步骤3中，对图像块增加汉宁窗预处理。

3.根据权利要求1所述的一种基于光谱特征的视觉追踪方法，其特征在于，所述步骤4中，处理的具体过程为：

步骤41，将任一空间点的光谱维单独提取出来，看成是一个N维向量t(p,q)＝(x₁,x₂…,x_N)，其中，(p,q)指第一帧图像中目标的空间坐标位置，N是光谱通道数；求出目标区域的平均光谱数据同时提取背景区域的平均光谱数据然后分别求取背景区域的平均光谱数据与目标区域的平均光谱数据的一维梯度信息，也即光谱信息的细节变化；

步骤42，利用映射矩阵R对背景的平均光谱数据和目标的平均光谱数据梯度之间进行聚类分析，从而提取出使映射矩阵R值最小的P个光谱通道：

4.根据权利要求1所述的一种基于光谱特征的视觉追踪方法，其特征在于，所述步骤5中，降维映射的具体过程为：

利用奇异值分解的方法表示现有维数的协方差矩阵，然后最小化平方误差ε，求出维度为P×J的映射矩阵R，该映射矩阵R使得原特征向量的维数从P降为J；其中，平方误差ε表达式为：

其中，表示第i帧图像中偏移位置(m,n)处的特征向量；M×N指目标图像块的大小。