[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

权利要求书

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F_edge和HOG特征F_HOG；

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*F_edge+(1-δ)*F_HOG

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。

2.根据权利要求1所述的基于特征融合及SVD自适应模型更新的相关滤波跟踪方法，其特征在于：所述步骤5的具体方法为：

步骤5.1、分别对下一帧图像的目标预测区域与真实区域矩阵进行奇异值分解，得到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M₁和M₂；

步骤5.2、利用余弦距离计算奇异值特征向量M₁和M₂的相似度λ，如下公式所示：