【技术实现步骤摘要】
一种基于KFSTRCF的目标跟踪架构
：本专利技术涉及计算机视觉的目标跟踪
，具体涉及一种基于KFSTRCF的目标跟踪架构。
技术介绍
：近年来，视觉跟踪技术在计算机视觉领域得到了广泛的应用，借助于共享代码和数据集，如OTB-2015和Temple-Color，我们可以使用各种评估标准来了解该视觉跟踪方法如何执行，并确定这些领域未来的研究方向。在许多现实场景中，只要获得图像序列帧中目标对象的初始状态(如位置和大小)，视觉跟踪算法就可以对后续帧中的目标进行跟踪。虽然几十年来许多研究者都在努力提高跟踪性能，但仍然存在许多具有挑战性的问题，如背景杂波、遮挡以及视场外等，至今还没有一种算法能在所有场景下都表现出优异的性能。因此，为了克服现有跟踪器的缺点，设计出更为健壮的跟踪方法法是至关重要的。如今，许多国家的最先进的跟踪器的源代码已经公开可用，并在实时救灾场景中实现态势感知，但一些跟踪器采用的策略是通过增加复杂性的代价来提高跟踪精度；相反，排名第一的跟踪器，时空正则相关滤波器(spatial-temporalregul...
【技术保护点】
1.一种基于KFSTRCF的目标跟踪架构，其特征在于：包括离散时间卡尔曼估计器DKE以及STRCF，所述DKE包括离散时间系统测量以及离散时间系统副本子系统；所述STRCF的目标跟踪结果输出作为离散时间系统测量中观测模型的测量值输入，通过离散时间系统副本子系统对DKE的模型进行更新，获得状态估计观测更新方程。/n
【技术特征摘要】
1.一种基于KFSTRCF的目标跟踪架构，其特征在于：包括离散时间卡尔曼估计器DKE以及STRCF，所述DKE包括离散时间系统测量以及离散时间系统副本子系统；所述STRCF的目标跟踪结果输出作为离散时间系统测量中观测模型的测量值输入，通过离散时间系统副本子系统对DKE的模型进行更新，获得状态估计观测更新方程。
2.根据权利要求1所述的一种基于KFSTRCF的目标跟踪架构，其特征在于：所述离散时间系统副本子系统更新后的输出环节，通过步长控制环节来限制整个目标跟踪架构输出状态最大振幅，所述步长控制具体如下：
定义最大步长为：lenmax＝v×dt.，v表示跟踪目标的速度，t为采样时刻；
建立以下条件约束：
上式中，表示的第1行和第1列元素，xt(1,1)表示xt的第1行和第1列元素；xt表示DKE目标运动输入状态向量，表示输出状态向量后验值。
3.根据权利要求1或2所述的一种基于KFSTRCF的目标跟踪架构，其特征在于：所述离散时间系统测量中的系统动态模型如下：
xt＝Μxt-1+Γut-1.
其中，xt表示DKE目标的n×1维运动输入状态向量，ut-1表示控制状态的r×1维确定性输入向量，t为采样时刻；Μ表示n×n维状态转移矩阵，它是一个时不变矩阵；Γ表示n×r维离散时间输入耦合矩阵，它是一个时不变矩阵；
用目标的速度v将状态转移矩阵定义为：
使用单位矩阵I来描述离散时间输入耦合矩阵Γ；
确定性输入向量可由下式确定，e表示环境噪声：
利用测量值更新目标的跟踪结果，将测量值Zt和跟踪结果xt之间的线性相关方程定义为：
zt＝Νxt+υ.
其中，Ν表示测量灵敏度矩阵，它是时不变矩阵，采用系统中的n×n维单位矩阵I；υ表示测量噪声，它是一个常数参数[10]T。
4.根据权利要求3所述的一种基于KFSTRCF的目标跟踪架构，其特征在于：所述STRCF与DKE的融合方式具体如下：
针对STRCF，将离散采样时刻t的每个样本表示为由S个特征映射组成，其大小为M×N；并且yt是预定义的高斯形状标签，通过最小化以下目标函数来实现STRCF模型：
其中Hadamard积表示为·，卷积算子表示为*，wt和ft分别表示空间正则化矩阵和相关滤波器；将第(t-1)帧的STRCF结果表示为ft-1，惩罚参数表示为σ，和||ft-ft-1||2代表空间正则化和时间正则化；
由于上述模型是凸函数，STRCF可以通过ADMM算法最小化公式(1)得到全局最优解，因此，将辅助变量表示为gt，并要求ft＝gt和将步长参数表示为ρ，然后将公式(1)的增广拉格朗日形式表示为：
<...
【专利技术属性】
技术研发人员：冯晟，黄义行，韩小龙，吴明静，王璇，柏人杰，苏霖欣，邓鹏程，
申请(专利权)人：绍兴文理学院，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。