【技术实现步骤摘要】
一种融合相关滤波和粒子滤波的高精度红外目标跟踪方法
本专利技术涉及计算机视觉领域，特别是指一种融合相关滤波和粒子滤波的高精度红外目标跟踪方法。
技术介绍
红外目标跟踪一直是计算机视觉领域的一个热门研究方向，其在红外目标成像精确指导、红外告警、自动驾驶、人机交互、场景监控等领域都有重要应用。类似于可见目标跟踪算法的原理，红外目标跟踪算法需要确定目标在后续帧中的状态。目前，许多红外目标跟踪算法都源自于可见目标跟踪算法。然而，与可见目标图像相比，红外目标图像具有分辨率低、SNR(Signal-to-NoeRatio)低、缺乏有效的颜色、形状与纹理信息等缺陷，这使得红外目标跟踪更具有挑战性。对于红外目标，仅采用单一的跟踪器通常无法获得鲁棒的跟踪效果。基于相关滤波器的跟踪算法通过计算滤波器的最大响应来确定目标的位置。由于该算法引入了傅里叶变换，其运算复杂度低，因此大大提高了计算效率。同时，该算法非常适合红外目标跟踪，因为该算法的跟踪性能不取决于目标的纹理和边缘特征。近年来，基于相关滤波器的跟踪算法作为一种出色的判别算法，在视觉...
【技术保护点】
1.一种融合相关滤波和粒子滤波的高精度红外目标跟踪方法，其特征在于：包括如下步骤：/n步骤S10、将Lp范数引入LRST跟踪器，构建跟踪器最小化模型Lp-LRST；/n步骤S20、利用DSST跟踪器估计出目标的位置和尺度，同时计算PSR值来衡量跟踪结果的可信度；/n步骤S30、若PSR大于或等于设定阈值，则根据DSST跟踪器当前帧确定的目标位置和尺度来执行Lp-LRST跟踪器，否则由Lp-LRST跟踪器根据上一帧的目标状态来重新确定目标位置；/n步骤S40、若PSR大于或等于设定阈值，则更新DSST跟踪器的模板，反之，停止更新；/n步骤S50、当粒子的模板相似度低于设定阈值...
【技术特征摘要】 【专利技术属性】
1.一种融合相关滤波和粒子滤波的高精度红外目标跟踪方法，其特征在于：包括如下步骤：
步骤S10、将Lp范数引入LRST跟踪器，构建跟踪器最小化模型Lp-LRST；
步骤S20、利用DSST跟踪器估计出目标的位置和尺度，同时计算PSR值来衡量跟踪结果的可信度；
步骤S30、若PSR大于或等于设定阈值，则根据DSST跟踪器当前帧确定的目标位置和尺度来执行Lp-LRST跟踪器，否则由Lp-LRST跟踪器根据上一帧的目标状态来重新确定目标位置；
步骤S40、若PSR大于或等于设定阈值，则更新DSST跟踪器的模板，反之，停止更新；
步骤S50、当粒子的模板相似度低于设定阈值时，更新Lp-LRST跟踪器的模板，反之，停止更新；
步骤S60、将获得的目标位置和尺度传递给下一帧的DSST跟踪器；
步骤S70、重复步骤S20到S60直到跟踪结束。
2.如权利要求1所述的一种融合相关滤波和粒子滤波的高精度红外目标跟踪方法，其特征在于：所述步骤S10具体包括：
将Lp范数引入LRST跟踪器中，构建跟踪器最小化模型Lp-LRST，具体为：
suchthatY＝AZ+E
其中，Y表示粒子；A表示正模板；E是由于噪声和遮挡引起的稀疏误差项；λ1，λ2，λ3是不同项之间的权重系数；[Z]ij表示Z的第i行第j列；
引入两个等式约束和松弛变量：
引入增广拉格朗日乘子法将等式约束合并到目标函数中，得到无约束的拉格朗日函数：
其中，tr(X)为矩阵X的迹，M1,M2,M3为拉格朗日乘子，μ1＝μ2＝μ3>0为惩罚参数；对上式进行最小化得到：
采用非确定增广拉格朗日乘子法迭代求解，每次迭代更新一个变量而其他变量保持固定不变，交替迭代求解各个变量，直到目标函数或者解Z满足收敛条件时结束。
3.如权利要求1所述的一种融合相关滤波和粒子滤波的高精度红外目标跟踪方法，其特征在于：所述步骤S20具体为：
步骤S21、使用DSST跟踪器估计目标的位置和尺度，某一帧图像块z具有d维特征，相关滤波器h通过最小化如下代价函数得到：
其中，圆形表示圆形相关性；f表示从特征图z中提取的目标矩形区域；fl表示为f的第l维特征，其中l∈{1,...,d}；g是与训练示例f关联的期望相关输出；参数λ≥0用于控制正则项的影响；上式可在频率域求解得到：
其中，Hl，G,F分别为hl，g，f的离散傅里叶变换，分别表示为对应的共轭复数；代表分子代表分母下标t代表帧数；Hl的更新分别对应：
其中η表示学习率；对于下一帧图像块z，目标的位置通过最大响应值确定，对应的滤波器响应值R(x)为：
技术研发人员：吴娇绿，黄德天，杨梦维，王振严，朱显丞，
申请(专利权)人：华侨大学，
类型：发明
国别省市：福建;35
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。