[发明专利]一种基于融合的长期目标跟踪方法

权利要求书

1.一种基于融合的长期目标跟踪方法，其特征在于，所述方法包括步骤：

步骤S1：根据初始图像帧，获取目标初始信息；

步骤S2：在贝叶斯分类器区域提取颜色直方图，并且训练贝叶斯分类器；

步骤S3：在核相关滤波区域提取前第一阈值维数的梯度直方图特征，并采用所述贝叶斯分类器计算所述核相关滤波区域中像素级的颜色概率图，再从所述像素级的颜色概率图中提取前第二阈值维数的梯度直方图特征；

步骤S4：初始化尺度滤波器，提取梯度直方图特征并将所提取的梯度直方图特征作为目标特征，采用主成份分析法压缩所述目标特征的维数；

步骤S5：从所述图像帧中提取LAB颜色直方图作为特征，初始化支持向量机；

步骤S6：采用所述贝叶斯分类器检测目标，获得贝叶斯分类器的响应图；

步骤S7：在核相关区域内检测目标，获得核相关滤波的响应图，并将所述核相关滤波的响应图的大小调整至与贝叶斯分类器的响应图的大小一致；

步骤S8：融合所述贝叶斯分类器的响应图和所述核相关滤波的响应图，获得最终响应图，在所述最终响应图中响应最大值处为所述目标的新位置；

步骤S9：判断最终响应的平均峰值相关能量与平均峰值相关能量的历史均值是否满足第一预设关系且最终响应的响应峰值与响应峰值的历史平均值是否满足第二预设关系，若都满足，则采用支持向量机进行重检测，获得目标的初步位置，再进入步骤S10；否则，进入步骤S11；

步骤S10：在所述目标的初步位置处，重复步骤S6、S7、S8，获得重检测的响应图和重检测的目标位置；判断最终响应的平均峰值相关能量与平均峰值相关能量的历史均值是否满足第三预设关系且最终响应的响应峰值与响应峰值的历史平均值是否满足第四预设关系，若都满足，则将所述重检测的目标位置定义为目标的新位置；否则，仍然采用步骤S8中的目标的新位置；

步骤S11：在所述目标的新位置处，调用尺度滤波器，并选取响应最大的尺度作为新的尺度，更新目标尺寸，更新前景区域，更新背景区域和更新所述尺度滤波器；

步骤S12：判断是否满足更新模型的条件，若满足，则采用Sigmoid函数作为更新模型，更新所述核相关滤波器、所述颜色直方图；若不满足，则进入步骤S13；

步骤S13：判断是否满足更新支持向量机的条件，若满足，则采用样本更新支持向量机；若不满足，则进入步骤S14；

步骤S14：获得下一帧图像，重复步骤S6、S7、S8、S9、S10、S11、S12、S13，直至视频结束。

2.根据权利要求1所述的融合的长期目标跟踪方法，其特征在于，所述第一阈值维数为28维，第二阈值维数为28维。

3.根据权利要求1所述的基于融合的长期目标跟踪方法，其特征在于，在步骤S8中采用加权平均的方法融合所述贝叶斯分类器的响应图和所述核相关滤波的响应图，具体的表达式如下所示：

response＝(1-α_merge)response_cf+α_merge·response_pwp，

其中，response_cf为核相关滤波器的响应，response_pwp为贝叶斯分类器的响应，α_merge为加权系数。

4.根据权利要求1所述的基于融合的长期目标跟踪方法，其特征在于，所述核相关滤波的表达式为：

min_w∑_i(f(x_i)-y_i)²+λ‖w‖²，

其中，f(x)＝w^Tx，x为样本特征，w为核相关滤波器，y为样本的回归值，λ是正则化系数。

5.根据权利要求1所述的基于融合的长期目标跟踪方法，其特征在于，所述贝叶斯分类器的具体实现过程表达式如下所示：

其中，F表示围绕目标的矩形前景区域，B表示包含目标的矩形背景区域，c_x表示像素x属于RGB颜色直方图的第c条柱。