[发明专利]基于外观自适应空间正则化相关滤波器的目标跟踪方法

权利要求书

1.一种基于外观自适应空间正则化相关滤波器的目标跟踪方法，其特征在于，包括以下步骤：

(1)初始化滤波器的学习率，ADMM算法最大迭代次数，拉格朗日惩罚因子，搜索框尺寸；

(2)从第t帧图像中提取包含目标的图像块，将图像块的每一个像素点都整理成一个样本，将所有的样本点按顺序的放到数列M当中；

(3)用K-means算法对数列M当中的样本点进行聚类，具体的设置为：以欧式距离来度量样本点的相似性，初始的5个质心指定为矩形图像块的四个顶点以及矩形的中心点，最终得到每个样本点的所属类别；

(4)将样本点按照原来的顺序排成与原来图像块的尺寸一样的矩阵P，矩阵P的元素为相应样本点在步骤(3)当中的所属类值，在矩阵P中截取一个和矩阵P中心点相同的矩阵P₁，但矩阵P₁的尺寸为当前目标尺寸的0.6倍，对矩阵P₁当中的所属类别数量进行统计排序，并把数量最多的类认为是目标所在类，取名为目标类，此外，若当前帧不是第一帧，则加入一个与之前所有目标类距离最近的一个类，加入目标类，将矩阵P中的元素，使属于目标类的类别所在位置为1，否则，都为0，最终得到目标所在区域的Mask矩阵，根据Mask矩阵，使值为1的位置的值重置为0.01，使值为0的位置的值重置为100000，并取名为权重矩阵w；

(5)利用交替方向乘子法求解滤波器，滤波器的目标函数L(f,g)为：

式中，f为滤波器，g为辅助变量，y为由高斯函数生成的标签，表示第t帧的目标图像块x_t的第d个特征通道，D表示特征通道的总数，为拉格朗日乘子，μ为拉格朗日惩罚因子；

ADMM算法通过迭代式求解以下子问题来求解目标函数：

以上子问题都有闭式解：

矩阵上的横线表示该矩阵的频域形式，矩阵N的元素全为1；

(6 )步骤(4)训练的滤波器记为并对之前的滤波器进行更新，更新的公式下式所示：

式中，表示第t帧的第i种特征的滤波器，η为滤波器的学习率;

(7)若t帧不是最后一帧，则用对候选样本进行打分，得到响应图，并取响应值最大的位置为目标中心点所在的位置，并返回步骤(2)，否则跟踪结束。

2.如权利要求1所述的一种基于外观自适应空间正则化相关滤波器的目标跟踪方法，其特征在于，步骤(2)中，所述样本包含5个维度，排列的顺序为：R通道值、G通道值、B通道值、X轴坐标和Y轴坐标，对R通道值、G通道值、B通道值进行按维度归一化处理，使得其值分布在[0,1]区间。