[发明专利]适用于移动机器人行人跟随的核相关滤波目标跟踪方法

摘要

本发明公开了一种适用于移动机器人行人跟随的核相关滤波目标跟踪方法，包括：利用基于OpenCV的SVM行人分类器检测初始化目标位置和目标区域；根据当前帧的目标区域构建训练样本，多特征提取并加权融合得到特征向量；构建以在傅里叶空间的核自相关性循环矩阵作为输入，以回归值为输出的目标跟踪的岭回归模型分类器，并对计算求得其学习权值系数；读入下一帧，根据上一帧目标位置构建检测样本，与训练样本形成互相关矩阵；建立尺度金字塔结合双线性插值，获取不同尺度模型的目标检测区域，计算得到最大响应并更新目标位置；重新训练和更新目标跟踪岭回归模型分类器。本发明可有效捕捉目标和多级尺度自适应变换，具有良好的鲁棒性和实时性。

主权项

1.适用于移动机器人行人跟随的核相关滤波目标跟踪方法，其特征在于，包括以下步骤：步骤1、采用SVM行人分类器，计算和统计输入视频图片帧的图像局部区域梯度方向直方图HOG特征作为SVM行人分类器的输入，采用滑动窗口方法检测行人目标获得并存储当前帧的行人目标区域，并将该当前帧的行人目标区域作为移动机器人行人跟随的初始化目标位置和目标区域；步骤2、根据步骤1所得移动机器人行人跟随的初始化目标区域通过循环移位构建训练样本，通过多特征加权融合提取训练样本的特征向量，根据训练样本的特征向量构建以在傅里叶空间的核自相关性循环矩阵作为输入，以高斯加权后的回归值作为输出的目标跟踪岭回归模型分类器，并计算得到当前帧下目标跟踪岭回归模型分类器的学习权值系数；步骤3、读入下一帧，根据上一帧初始化的目标位置和目标区域通过循环移位构建检测样本，并与训练样本形成互相关矩阵；建立尺度金字塔结合双线性插值，获取不同尺度模型的目标检测区域，通过傅里叶变换和傅里叶反变换计算得到不同尺度模型的最大响应并更新移动机器人行人跟随的目标位置；步骤4、根据步骤3更新的移动机器人行人跟随的目标位置，重新对步骤2所得目标跟踪岭回归模型分类器的学习权值系数通过提取多特征并加权融合后进行傅里叶变换，以训练和在线更新目标跟踪岭回归模型分类器，直到处理完所有帧。