[发明专利]对ECO特征提取性能进行优化的目标跟踪方法及装置

权利要求书

1.一种对ECO特征提取性能进行优化的目标跟踪方法，其特征在于，包括以下步骤：

S1、读取视频或图像序列的第一帧图像，确定跟踪目标；

S2、将初始帧中跟踪目标所在候选区域缩放到特定大小，利用并行方式计算傅里叶变换来提取特征；

S3、针对特征制作label标签，修改高斯分布为多个极值；

S4、通过提取的特征和label标签训练ECO的相关滤波器；

S5、读取下一帧图像，利用训练好的相关滤波器卷积图像候选区域对应的特征，获取图像候选区域的置信度图，置信度图概率最大位置对应当前帧图像的目标位置及其置信度概率；

S6、将得到的目标作为样本，使用样本融合更新策略，更新ECO算法的样本集；

S7、利用更新的样本集采用步骤S2的方法提取特征，同时制作label标签训练ECO，更新相关滤波器；

S8、循环执行步骤S5~S7，直至当前视频或图像序列处理完。

2.如权利要求1所述的对ECO特征提取性能进行优化的目标跟踪方法，其特征在于，所述步骤S2具体包括：

先对跟踪目标所在候选区域z提取多尺度特征x，包括FHOG特征以及颜色CN特征，将提取的特征进行PCA降维，然后通过傅里叶变换由时域转为频域，傅里叶转化公式如下：

其中为降维后的离散特征，N、M对应二维离散特征的行数和列数。

3.如权利要求2所述的对ECO特征提取性能进行优化的目标跟踪方法，其特征在于，所述步骤S2中对跟踪目标所在候选区域提取FHOG特征具体包括：

（1）将输入的RGB三通道图像转化为单通道图像；

（2）采用gamma校正法对输入图像进行颜色空间的标准化，校正公式为：

其中0gamma1；

（3）计算图像梯度，包括每个像素点的梯度值和梯度方向，x方向和y方向的卷积核分别为：

得到水平方向梯度，垂直方向梯度，得到每个像素点的梯度和梯度方向分别为：

（4）构建18维hog特征向量，将图像分成若干个cell，每个cell的梯度方向按360度均分成18个方向块，每个方向块20度，计算每个cell的梯度方向直方图，则每个cell对应一个18维特征向量；

（5）通过归一化截断得到每个cell对应的36维特征向量；

将步骤（4）中每个cell的梯度方向分为9个方向块，其中0-20度或180-200度对应一个方向块，则对于这第个cell便对应9维特征向量，同时与其相邻的特征向量为：

定义，则36维特征向量为：

（6）利用PCA降维，得到36维特征向量的前13维特征向量；

（7）将前13维特征向量与步骤（4）得到的18维特征向量相加最终得到31维的特征向量。

4.如权利要求2所述的对ECO特征提取性能进行优化的目标跟踪方法，其特征在于，所述步骤S2中傅里叶变换的处理方式如下：

傅里叶变换方便处理长度N=2^M的情况，如果长度不是2的整数次幂的情况，则通过补零即可；将x(n)分为奇偶两个序列，有，进一步把一个N 点的FFT拆成两个N/2的DFT，同理逐渐拆下去，将2^m的DFT拆成m-1个2点的FFT，最后将其拆成多个8点的FFT。

5.如权利要求1所述的对ECO特征提取性能进行优化的目标跟踪方法，其特征在于，所述步骤S3中修改高斯分布为具有4峰值的二维高斯分布，具体生成方式如下：

（1）先对25*25的区域生成具有单峰值的服从二维高斯分布的label；

（2）相邻行和相邻列求和取均值，将其调整为24*24大小的具有多峰值且服从二维高斯分布的label；

（3）同时利用傅里叶变换转换到频域。