[发明专利]一种弹载平台实时目标跟踪方法

权利要求书

1.一种弹载平台实时目标跟踪方法，其特征在于，包括以下步骤：

步骤1、目标跟踪器根据第一帧的目标位置，提取当前图像帧的搜索区域；

步骤2、再对第一帧提取的搜索区域进行特征提取，使用样本及特征训练分类器，并生成初始的位置滤波器；

步骤3、在后续图像帧中，目标跟踪器根据前一帧的目标位置，进行区域循环采样获得正负样本，提取样本特征以更新滤波器参数；

步骤4、将滤波器和新输入的图像帧进行相关性计算，响应最大值的区域即为目标位置。

2.根据权利要求1所述的弹载平台实时目标跟踪方法，其特征在于，所述步骤1具体包括：

步骤11、通过多尺度、单阶段目标检测器，对弹载平台所拍摄的视频帧进行自动目标检测，并将检测器的输出结果作为跟踪器的初始化；

步骤12、目标跟踪器根据第一帧的目标位置，提取当前图像帧的搜索区域。

3.根据权利要求2所述的弹载平台实时目标跟踪方法，其特征在于，所述步骤2具体包括：

步骤21、对第一帧提取的搜索区域进行hog-lbp-傅里叶描述子特征融合后，再进行融合特征提取；

步骤22、使用上述样本及特征训练分类器，并生成初始的位置滤波器；

步骤23、在后续图像帧中，目标跟踪器根据前一帧的目标位置，进行区域循环采样；同时以目标中心位置为目标中心，将待测候选样本进行缩放得到尺度池空间；

步骤24、对提取的区域样本进行hog-lbp-傅里叶描述子特征融合后，再进行融合特征提取。

4.根据权利要求3所述的弹载平台实时目标跟踪方法，其特征在于，所述步骤4具体包括：

步骤41、根据正负样本训练位置滤波器，位置滤波最大响应的区域即为当前目标位置；同时算法提取尺度空间内的目标特征进行尺度相关滤波检测，得到响应矩阵，对应最大峰值即为当前目标尺度；

步骤42、在跟踪过程中使用二级跟踪置信度判别机制，求解当前置信度分数，判断每一帧图像的跟踪状态是否稳定；

步骤43：将置信度分数传入检测器用以判别是否启动检测器，同时传入追踪器用以判别是否进行目标模板更新。

5.根据权利要求4所述的弹载平台实时目标跟踪方法，其特征在于，所述进行目标检测之前，需要对采集的图像进行预处理。

6.根据权利要求5所述的弹载平台实时目标跟踪方法，其特征在于，目标样本尺寸选择原则：

其中，W和H分别代表当前帧目标的宽度和高度，λ为尺度因子，S为尺度总级数。

7.根据权利要求6所述的弹载平台实时目标跟踪方法，其特征在于，所述核相关滤波算法具体包括：

核相关滤波算法将线性空间的脊回归通过核函数映射到非线性空间，在非线性空间去求解对偶问题和常见约束，同时算法采用多通道方向梯度直方图(HOG)以更好的表征目标特征；

设训练样本集为(x_i,y_i)，误差函数为

min||Xw-y||²+λ||w||²

其中，X代表输入样本循环矩阵，w为需要求解的系数矩阵，λ用于控制系统的结构复杂性；

为了使得误差函数最小，对上式求导，并令导数为0，求得:

w＝(X^HX+λI)^-1X^Hy

将w用样本的线性组合来表示：

其中为非线性映射函数，核空间的岭回归的解为：

其中表示x在傅里叶域进行自相关，快速检测过程得到的输出响应方程如下式：

由以上公式推导可知，在更新跟踪器的过程中只需要对模板训练参数α和训练样本集x进行更新，同时使用线性插值的方法设置模板更新因子η，具体更新公式如下：

x_t＝ηx_t-1+(1-η)x_t

α_t＝ηα_t-1+(1-η)α_t。