[发明专利]基于均值偏移与核相关滤波的尺度自适应目标跟踪系统

权利要求书

1.一种基于均值偏移与核相关滤波的尺度自适应目标跟踪系统，其特征在于包括以下步骤：

步骤一：对动态视频框选图像帧数区域，在图像帧序列的首帧图像中获得要跟踪目标的初始位置信息和大小；

步骤二：将获取首帧图像的彩色图像信息输入至预设的MS算法模型进行训练；

步骤三：将获取的首帧图像转换为灰度图像，将灰度图像信息输入至KCF算法模型进行训练；

步骤四：获取新的图像帧，将新的图像帧信息输入至训练好的MS算法模型中确定目标的位置；

步骤五：将图像帧的灰度图像与步骤四中确定目标的位置进行采样输入至KCF算法模型中，重新确定新的目标位置，将其作为新的图像帧的最终目标位置；

步骤六：判断所述的新的图像帧是否为图像帧序列的最后一帧，若是，则结束目标跟踪过程，若否，则返回步骤二。

2.如权利要求1所述的基于均值偏移与核相关滤波的尺度自适应目标跟踪系统，其特征在于，步骤五中，还包括使用最终目标位置结果交叉更新所述MS算法模型以及KCF算法模型。

3.如权利要求1所述的基于均值偏移与核相关滤波的尺度自适应目标跟踪系统，其特征在于，所述的MS算法模型为：

在d维空间R^d中，给定n个样本点，记为{x_i}_i＝1,...,n，则该d维空间中的基准点x的均值偏移向量的基本形式为：

其中，k为所有n个样本中落到区域S_h中的样本个数，S_h是一个半径为h的高维球形区域中满足以下关系的y点的集合：

S_h≡{y:(y-x)^T(y-x)≤h²}

上式是对MS算法模型的最初始的定义。

4.如权利要求3所述的基于均值偏移与核相关滤波的尺度自适应目标跟踪系统，其特征在于，引入核函数和权重函数，则新的MS算法模型表达式为：

其中，{x_i}_i＝1,...,n为目标所在区域的n个像素点；w(x_i)为点x_i对应的权重，w(x_i)≥0；G_H(x_i-x)＝|H|^-1/2G(H^-1/2(x_i-x))，G(·)为单位核函数，其轮廓函数g满足G(x)＝g(||x||²)，H为正定对称矩阵，其满足H＝h²I，进而得到均值向量的如下扩展形式：

其中，h为核窗口大小即核宽。

5.如权利要求3所述的基于均值偏移与核相关滤波的尺度自适应目标跟踪系统，其特征在于，所述的MS算法模型的跟踪过程包括目标表示和均值偏移迭代，若目标模型像素位置为则为目标中心坐标，其目标模型特征q_u＝(u＝1,2,…,m)的概率密度为：

其中，k(x)为核函数，用于对像素进行加权；h为核函数带宽；n为目标窗口中像素点的个数；m是特征空间的元素个数；函数b(x)将坐标的像素映射到特征空间；δ(x)为1维Kronecker delta函数，C为归一化常数，其中

中心坐标为y的目标候选区域各特征分布密度{p_u(y)}_{u＝1,2,…,m}根据上述表达式计算。