[发明专利]一种基于概率超图学习的空地红外目标跟踪方法

权利要求书

1.一种基于概率超图学习的空地红外目标跟踪方法，其特征在于，包括以下步骤：

S1：获取样本并根据所述样本构建三种类型的初始概率超图，对所述初始概率超图进行预处理，得到最终概率超图；

S2：获取自适应的模板集约束，根据所述自适应的模板集约束得到指示向量；

S3：根据所述指示向量为所有所述样本赋值并排序；

S4：通过最大后验概率估计获取在粒子框架下的最优目标位置；

S5：对所述样本进行随机采样生成正负模板集更新模型，结合所述正负模板集更新模型和所述最优目标位置得到分类信息。

2.根据权利要求1所述的基于概率超图学习的空地红外目标跟踪方法，其特征在于：步骤S1具体为：

S11：获取样本；

S12：根据所述样本构建三种类型的初始概率超图；

S13：捕捉所有所述样本之间的高阶相关关系；

S14：线性组合三种类型的所述初始概率超图得到最终概率超图。

3.根据权利要求2所述的基于概率超图学习的空地红外目标跟踪方法，其特征在于：步骤S12具体为：

S121：构建一种描述图像坐标系下位置相邻的节点空间关系的location-adjacent超图；

S122：构建一种描述所有所述样本在特征空间的局部邻域信息的feature-resembling超图；

S123：通过聚类的方法来构建一种描述节点粘附体中隐含的高阶相关关系的manifold-close超图。

4.根据权利要求1所述的基于概率超图学习的空地红外目标跟踪方法，其特征在于：步骤S5中的所述正负模板集更新模型包括1个负样本集和3个正样本集，所述负样本集随着所述最优目标位置周围的环形区域进行随机采样来更新；第一个所述正样本集固定不变；第二个所述正样本集随着最优目标位置的变化进行动态更新；第三个所述正样本集的排序值若是大于一个固定的阈值则将其更新至第二个所述正样本集。