[发明专利]基于显著性感知和时空正则化的相关滤波跟踪方法

权利要求书

1.基于显著性感知和时空正则化的相关滤波跟踪方法，其特征在于，包括以下步骤：

S1：构建空间正则化和时间约束模型；

S2：将空间正则化和时间约束模型转换到频域中，并对转换后的模型进行优化，将转换后的模型分解为多个子问题，分别对多个子问题求解，获得优化后的空间正则化和时间约束模型；

S3：获取目标的显著性图，根据目标的显著性图目标的原始权重系数，并将目标的显著性图融合到优化后的空间正则化和时间约束模型中，得到新的基于显著性感知的权重系数；

S4：根据优化后的空间正则化和时间约束模型预测目标位置，并同时完成对目标的尺度估计；

S5：根据优化后的空间正则化和时间约束模型、新的基于显著性感知的权重系数、目标定位和目标尺度估计对模型参数进行更新，从而对下一帧图像进行目标跟踪。

2.根据权利要求1所述的基于显著性感知和时空正则化的相关滤波跟踪方法，其特征在于，S1中构建的空间正则化和时间约束模型为：

其中，为时间约束项，w为空间权重系数，x_k表示在该区域提取的第k个通道的目标特征，k的取值为[1,K],K表示总的通道数，y表示高斯型的期望响应，y(j)表示y的第j个元素，h_k表示第k个通道下的相关滤波器，表示前一帧中学习到的相关滤波器，是一个二值化掩码矩阵，表示从目标特征x_k中裁剪大小为T×D的二值化矩阵，λ₁分别为上式中的第二项空间正则化参数，β为时间约束项参数，[Δτ_j]表示循环移位操作，x_k[Δτ_j]表示将第j步的离散循环移位操作于第k通道的特征x_k，符号^T为计算共轭转置。

3.根据权利要求1所述的基于显著性感知和时空正则化的相关滤波跟踪方法，其特征在于，S2中通过帕斯瓦尔理论将空间正则化和时间约束模型等价转换到频域中，并引入辅助变量进行求解。

4.根据权利要求3所述的基于显著性感知和时空正则化的相关滤波跟踪方法，其特征在于，S2中转换后的公式为：

其中，符号^表示某一信号离散傅里叶变换，w空间权重参数，h为向量，y表示高斯型的期望响应，X为大小为T×KT的矩阵，为一个二值化掩码矩阵F表示T×T的常数矩阵，为辅助变量。

5.根据权利要求1所述的基于显著性感知和时空正则化的相关滤波跟踪方法，其特征在于，S2中多个子问题为，向量h的求解问题，辅助向量的求解问题，拉格朗日乘子的更新问题。

6.根据权利要求5所述的基于显著性感知和时空正则化的相关滤波跟踪方法，其特征在于，向量h的求解公式为：

其中，w空间权重参数，为拉格朗日乘子，F表示T×T的常数矩阵，为一个二值化掩码矩阵，为辅助变量，μ为正则化常数。

7.根据权利要求6所述的基于显著性感知和时空正则化的相关滤波跟踪方法，其特征在于，辅助向量的求解公式为：

其中，X为大小为T×KT的矩阵，y表示高斯型的期望响应，β为时间约束项参数。

8.根据权利要求7所述的基于显著性感知和时空正则化的相关滤波跟踪方法，其特征在于，拉格朗日乘子的更新公式为：

9.根据权利要求1所述的基于显著性感知和时空正则化的相关滤波跟踪方法，其特征在于，S3中目标权值系数获取具体为，首先采用显著性检测算法获得目标的显著性图，再将目标的显著性图融合到优化后的空间正则化和时间约束模型中，采用显著性图对原始权重系数进行正则化处理，得到新的目标权重系数。

10.根据权利要求1所述的基于显著性感知和时空正则化的相关滤波跟踪方法，其特征在于，S4中目标的定位方式为：

其中，K表示特征图的通道数，表示频域中前一帧学习到的相关滤波器，x_k表示在该区域提取的第k个通道的目标特征，F^-1表示傅里叶逆变换。