[发明专利]用于热红外目标跟踪的局部自适应特征提取方法、系统及存储介质

权利要求书

1.一种用于热红外目标跟踪的局部自适应特征提取方法，其特征在于，包括依次执行如下步骤：

步骤S1：接收输入的图像，在当前帧中利用相邻像素之间的差值计算当前帧水平方向梯度以及垂直方向梯度；

步骤S2：使用步骤S1已计算出的当前帧水平方向梯度以及垂直方向梯度，计算每一像素位置的梯度协方差矩阵；

步骤S3：将每一像素处的梯度协方差矩阵进行谱分解，使用它的奇异值和特征向量将其进行重构为黎曼矩阵，并进行可调整的正则化；

步骤S4：选择设定大小的邻域，使用高斯核函数度量像素之间的空间位置关系，将梯度协方差矩阵纳入到核函数的计算中来，从而计算得到特征矩阵；

步骤S5：将特征矩阵抽成特征列向量，特征列向量的维度与预先设定好的局部邻域大小一致；

步骤S6：使用特征列向量输入跟踪器，作为热红外目标跟踪中的特征。

2.根据权利要求1所述的局部自适应特征提取方法，其特征在于，在所述步骤S2中，还包括根据热红外目标跟踪条件下具体的噪声水平以及目标清晰度，在设定大小的邻域内求梯度协方差矩阵的均值。

3.根据权利要求2所述的局部自适应特征提取方法，其特征在于，在所述步骤S2中，对输出的三维特征矩阵进行平滑滤波，然后在设定大小的邻域内求梯度协方差矩阵的均值。

4.根据权利要求1所述的局部自适应特征提取方法，其特征在于，在所述步骤S2中，使用梯度协方差矩阵来描述热红外图像中局部明暗变化的剧烈程度。

5.根据权利要求1所述的局部自适应特征提取方法，其特征在于，在所述步骤S2中，用g_x表示水平梯度，g_y表示垂直梯度，在p_i像素处计算梯度协方差矩阵方法如下：

6.根据权利要求1所述的局部自适应特征提取方法，其特征在于，在所述步骤S3中，用公式(2)中的计算对每一像素位置的梯度协方差矩阵分解，

式中λ₁、λ₂、v₁、v₂表示分解后的特征值以及特征向量。

7.根据权利要求1所述的局部自适应特征提取方法，其特征在于，在所述步骤S3中，用式公(3)计算重构每一像素位置的梯度协方差矩阵，

式中λ₁、λ₂、v₁、v₂表示分解后的特征值以及特征向量。

8.一种用于热红外目标跟踪的局部自适应特征提取系统，其特征在于，包括：存储器、处理器以及存储在所述存储器上的计算机程序，所述计算机程序配置为由所述处理器调用时实现权利要求1-7中任一项所述的方法的步骤。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序配置为由处理器调用时实现权利要求1-7中任一项所述的方法的步骤。