[发明专利]一种相关滤波图像跟踪丢失判定方法

权利要求书

1.一种相关滤波图像跟踪丢失判定方法，其特征在于：

步骤一，将方向梯度直方图特征与跟踪器响应值进行组合形成特征向量之后，计算机系统CPU对从传感器或存储空间读取的图像数据进行特征提取；

步骤二，将当前目标的特征向量使用SVM进行丢失判定，如果没有丢失则重复步骤一：

单线程模式时，计算机系统CPU将提取的特征与内存空间储存的自身模板进行相关滤波图像跟踪，得到目标图像位置坐标，然后对图像数据进行丢失判定，如果丢失则对输出判定结果，如果没有丢失，则计算机系统CPU将提取的特征与内存空间储存的自身模板进行相关滤波图像跟踪，得到目标图像位置坐标，计算机系统CPU使用提取的HOG特征更新自身模板，将模板储存在内存空间，启动丢失判定器更新；

多线程模式时，计算机系统CPU同时对图像数据进行丢失判定，如果丢失则对输出判定结果，如果没有丢失，计算机系统CPU将提取的特征与内存空间储存的自身模板进行相关滤波图像跟踪，得到目标图像位置坐标，计算机系统CPU根据目标图像位置坐标，对图像数据进行HOG特征提取，计算机系统CPU同时启动丢失判定器更新，计算机系统CPU使用提取的HOG特征更新自身模板，将模板储存在内存空间；

所述的SVM训练方法为：选定目标所在的图像作为正样本，目标周围的图像作为负样本，对正样本和负样本进行HOG特征提取，与相关滤波响应值组成正特征向量和负特征向量；分别把正特征向量和负特征向量输入给SVM进行训练，如果得到的支持向量在判别正负样本时分类正确并且输出值收敛，则准备阶段完成，进入启动阶段；如果分类错误或者输出值不收敛，则留在准备阶段；

所述的SVM判定方法为：将当前帧图像中心提取特征，与相关滤波响应值组成特征向量，输入SVM，通过已有的支持向量输出判定结果；当结果判定为不包含目标则认为丢失，当结果判定为包含目标则认为没有丢失；

所述启动阶段的SVM训练方法与准备阶段的SVM训练方法过程相同。