一种融合时间序列信息的目标跟踪方法技术

本发明专利技术公开了一种融合时间序列信息的目标跟踪方法，包括以下步骤：步骤1，输入图像序列，根据第t‑1帧图像中的初始位置p

【技术实现步骤摘要】
一种融合时间序列信息的目标跟踪方法
本专利技术涉及计算机视觉
，特别是涉及一种融合时间序列信息的目标跟踪方法。
技术介绍
计算机视觉是人工智能的主要分支，其主要任务是研究如何让机器可以像人一样理解及感知我们所处的物理世界，进而让机器人可以像人一样对物理世界的变化作出反应。随着诸如高性能图形处理器(GPU)及张量处理器的等硬件设备和并行计算等软件技术的出现，计算机视觉也得到了快速的发展。计算机视觉算法在很多任务上(如目标跟踪、检测)都达到了与人类相当的能力。视觉跟踪技术是计算机视觉领域中一项基础而关键的技术。在智能安防、交通监控、无人驾驶、人机交互及现代化军事等诸多实际问题中都有着广泛而重要的应用。视觉目标跟踪技术的方法主要有三大类：第一类是基于生成模型的视觉跟踪方法。这种方法的主要思想是提取正样本特征构建表观模型，在图中搜索与模型最匹配的区域作为跟踪的结果。但是这种方法主要利用了目标的信息，没有使用到背景信息，因此在处理图像中出现与目标相似的物体时，效果很差。第二类是基于判别模型的视觉跟踪算法。与生成式模型不同的是，判别式模型同时本文档来自技高网...

【技术保护点】
1.一种融合时间序列信息的目标跟踪方法，其特征在于，包括以下步骤：/n步骤1，输入图像序列，根据第t-1帧图像中的初始位置p

【技术特征摘要】
1.一种融合时间序列信息的目标跟踪方法，其特征在于，包括以下步骤：
步骤1，输入图像序列，根据第t-1帧图像中的初始位置pt和尺度st，提取目标的HOG特征和CN颜色特征，将特征进行融合得到目标特征x；
步骤2，将目标特征x与余弦窗进行点乘然后进行傅里叶变换；
步骤3，用第t-1帧图像的的响应图计算局部响应变量Π、参数及参数
步骤4，将第1帧到第t-1帧相关滤波器进行时序建模得到相关滤波器时序模型；
步骤5，用最小二乘法求出相关滤波器时序模型的自回归参数
步骤6，求解目标函数计算出相关滤波ft、参数θt及λt；
步骤7，在第t帧中的候选区域进行特征提取和预处理得到目标特征x，然后与相关滤波器ft在傅里叶域进行点乘运算操作，得到响应图，通过响应图确定当前帧的目标位置和尺度。


2.根据权利要求1所述的一种融合时间序列信息的目标跟踪方法，
其特征在于，所述步骤1的具体步骤为：
输入图像序列，根据t-1帧图像中的目标的初始位置pt和尺度st，提取目标的HOG特征和CN颜色特征；
其中：提取HOG特征的具体方法是：首先将图像分成大小相等的图像块即细胞单元；然后计算细胞单元中各个像素的梯度，进行归一化，得到梯度直方图，将这些梯度直方图联合构成HOG特征；提取CN颜色特征的具体步骤是：将RGB颜色空间映射到11维颜色属性空间上即得到CN颜色特征，然后将HOG特征和颜色特征CN进行融合得到目标特征x。


3.根据权利要求2所述的一种基于融合时间序列信息的目标跟踪方法，其特征在于，所述步骤2的具体步骤为：
将目标特征与余弦窗进行点乘然后进行傅里叶变换
其中余弦窗的公式为：



其中，xij为原图像片中的像素值；i表示图片中的横坐标，j表示图片中的纵坐标，n表示图片中有多少个像素，π为圆周率。


4.根据权利要求3所述的一种融合时间序列信息的目标跟踪方法，其特征在于，所述步骤3的具体步骤为：
采用以下公式计算局部变化向量Π、参数及
局部变化向量Π＝[|Π1|，|Π2|，…，|ΠT|],向量Π的第i个元素定义为：



式中[ψΔ]代表移位运算，表示第t-2帧响应图Rt-2中的第i个元素；t-1表示图像序列为第t-1帧的时刻；Rt-1表示第t-1帧的响应图；T表示向量Π的个数；
参数



式中用来裁剪响应图的中心部分，u表示为空间正则化矩阵，δ＝0.2；T表示矩阵的行和列；表示T行T列的矩阵，t表示矩阵的行和列，Pt表示t行t列的矩阵；t≤T；
参数



式中和υ代表的是超参数，设置为υ＝2×10-5，域值θ为0.3；当全局响应的变化高于域值θ时，代表响应图中出现异常，如果低于域值θ，相关滤波器的时间约束变松弛；||Π||2表示向量Π的2范数；
参数



式中Rt-1代表第t-1帧的响应图，max表示取响应图的最大值。


5.根据权利要求4所述的一种融合时间序列信息的目标跟踪方法，其特征在于，所述步骤4的具体步骤为：
在第1帧到第t-1...

【专利技术属性】
技术研发人员：张振军，白金舟，王耀南，
申请(专利权)人：湖南大学，
类型：发明
国别省市：湖南;43