[发明专利]一种对灰度视频中既定目标的快速跟踪定位方法

权利要求书

1.一种对灰度视频中既定目标的快速跟踪定位方法，包括以下步骤：

步骤一、采用互相关滤波的方式对目标进行跟踪，计算目标在当前帧的坐标位置；

步骤二、根据上帧所计算的目标坐标位置和目标大小裁剪得到当前帧待检测图像x；

步骤三、以待检测图像x与上帧标准图像z做高斯核循环卷积的方式对当前帧待检测图像x做循环矩阵C_x(i,j),用两个置换矩阵Tⁱ与T^j来表示：

C_x(i,j)＝TⁱxT^j (1)

式(1)中：Tⁱ为单位阵行操作，循环位移i次所得；T^j为单位阵列操作，循环位移j次所得；C_x(i,j)即为大小为m×n的待检测图像x在第i行第j列时的循环位移矩阵；

步骤四、根据循环矩阵C_x(i,j)，得到互相关矩阵：

式(2)中，为互相关矩阵在i行第j列的元素值，式(2)中每一步都在计算待检测图像x与其在i行第j列处的循环位移矩阵C_x(i,j)的相关性，两者越相似，则相关性(即)越高，β为高斯核带宽；

步骤五、求出互相关阵后采用岭回归法学习定位目标位置；

岭回归学习函数分类器目标函数为：

式(3)中，参数α_i是与长宽相同的系数矩阵，为岭回归法的学习参数；R(x_i)为第i帧图像x_i与标准目标图像z的互相关响应矩阵；

跟踪目标的坐标位置即在响应矩阵的最高峰处。

2.如权利要求1所述的对灰度视频中既定目标的快速跟踪定位方法，其特征在于，所述步骤五之后还包括参数学习步骤，该参数学习步骤的具体过程是：

a1、根据步骤五获取到目标的坐标位置，以新坐标为中心对图像进行裁剪，得到新标准图z'_i+1，对新旧标准图采用系数加权平均的方式更新得到下一帧计算所使用的标准图，

z_i+1＝θz'_i+1+(1-θ)z_i (4)

式(4)中，θ为加权系数：

a2、通过求标准图自相关矩阵的方式更新学习参数并计算目标尺度，计算自相关矩阵与求互相关矩阵方法相同：

岭回归法学习参数的更新方式为：

式(6)中：y为标准响应矩阵；

a3、构造以图像几何中点为中心，与图像长宽一致的高斯模型，通过标准响应阵和标准图自相关矩阵的离散傅里叶变换，在频域中矩阵点除后在做离散傅里叶反变换，快速实现反卷积的过程，得到下一帧岭回归学习参数。

3.如权利要求2所述的对灰度视频中既定目标的快速跟踪定位方法，其特征在于，在所述参数学习步骤之后还包括尺度计算步骤，该尺度计算步骤包括：

求目标当前尺度大小的过程即为求比例系数P的过程，若分别代表前帧和后帧的自相关矩阵，s代表目标尺度，则有：

式(7)中，g为关于的函数映射，比例系数P代表从到的尺度变化，有s_A＝P·s_B；

自相关矩阵是由高斯核卷积得出，故结果呈现出类似二维高斯模型的形状，使用图像自相关矩阵的标准差σ作为映射函数g的自变量来计算比例系数P，σ的计算公式如下：

式(8)中，N为像素个数，为自相关矩阵第i行第j列的值，u为矩阵均值；使用标准差做自变量，使用σ_B与σ_A之商作为映射函数自变量，取映射函数g为：

至此通过比例系数P即可求解出目标当前尺度。

4.如权利要求1-3任一项所述的对灰度视频中既定目标的快速跟踪定位方法，其特征在于，所述步骤一之前还包括预处理步骤，该预处理步骤为：

首先对视频帧做对数变换：

x(i,j)＝clog(1+x(i,j)) (10)

式(10)中，c为对数变换常系数，x(i,j)为单帧图片相应坐标的像素值；

接着用余弦窗口对单帧图像做点乘，以一个与图像长宽一致的余弦窗口平滑处理目标图像；设每帧图像高度为h，宽度为l，构建余弦窗口的方法由两个大小分别为1×h和1×l余弦向量V_h和V_l的叉乘得到大小为h×l的矩阵W：

W＝V_h^T×V_l

式(11)中，W即为构建好的余弦窗口，用W矩阵平滑处理经过对数变换后的图像：x＝x·W。