[发明专利]一种基于图像匹配与改进核相关滤波器结合的目标跟踪算法

权利要求书

1.一种基于图像匹配与改进核相关滤波器结合的目标跟踪算法，其特征在于包括以下步骤：

步骤1，获取待跟踪视频序列与目标图片；

步骤2，利用改进的SIFT算法对跟踪视频序列第一帧与目标图片进行图像匹配以对相关滤波器进行初始化；

步骤3，利用相关滤波器对待跟踪视频序列进行目标跟踪。

2.根据权利要求1所述的基于图像匹配与改进核相关滤波器结合的目标跟踪算法，其特征在于，所述的步骤1选取与视频序列中待跟踪目标满足设定相似度的一张目标图片。

3.根据权利要求2所述的基于图像匹配与改进核相关滤波器结合的目标跟踪算法，其特征在于，所述的设定相似度是指目标图片与待跟踪视频序列第一帧的PSNR值大于30。

4.根据权利要求1所述的基于图像匹配与改进核相关滤波器结合的目标跟踪算法，其特征在于，所述的步骤2使用SIFT算子将目标图片和待跟踪视频序列进行图像匹配，确定目标在第一帧中的位置，并将位置信息传入核相关滤波器中进行目标位置的初初始化。

5.根据权利要求1所述的基于图像匹配与改进核相关滤波器结合的目标跟踪算法，其特征在于，所述的步骤3包括以下步骤：

(1)利用待跟踪视频序列中前一帧目标的位置以及特征信息来确定下一帧中目标的位置，并根据算法生成的响应图计算每一帧的APCE值，其中F_max是当前帧的响应最大值，F_min是当前帧的响应最小值，F_w,h为当前帧的响应图中任意位置处的响应值；

(2)计算从第一帧到当前帧的平均APCE值和平均响应最大值，分别记作mean_apce和mean_F_max；通过将判断当前帧的APCE值与当前帧中的响应最大值是否同时满足设定条件来判断目标此时跟踪是否发生丢失，设定条件公式为(apce＞＝beta1×mean_acpe)(F_max＞＝beta2×mean_F_max)

其中apce为当前帧的APCE值，beta1与beta2为设定阈值；

(3)对满足条件的视频帧按KCF原始算法的更新策略进行模型的更新，更新策略为其中α代表岭回归系数，x代表目标的特征信息，a_p代表目标当前的岭回归系数，a_x代表当前帧要更新的岭回归系数，β为学习因子，在满足条件公式时取0.02，x_p代表目标当前的特征信息，x_x为当前帧要更新的特征信息；

对不满足条件的视频帧，根据APCE值的大小动态调节模型更新策略中的学习因子β，对应关系为从而抑制模型的漂移并保留部分有用的特征信息。

6.根据权利要求5所述的基于图像匹配与改进核相关滤波器结合的目标跟踪算法，其特征在于，所述的设定阈值beta1与beta2分别设为0.5和0.6。