欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2020101117569
申请人: 长沙理工大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于多种特征融合的背景时空相关滤波跟踪方法,其特征在于,包括步骤:A1、针对预先设定的视频序列,获取所述视频序列中第t-1帧图像中目标的特征图像、目标的位置和目标框的宽w和高h;

所述预先设定视频序列包括多帧图像;

A2、根据所述第t-1帧图像中目标的位置,提取以所述目标的位置为中心的目标区域,并获取所述目标区域的HOG特征、第一深度特征及第二深度特征;

A3、基于所述第t-1帧图像中目标的特征图像、目标的位置和目标框的宽w和高h以及所述目标区域的HOG特征、第一深度特征及第二深度特征,构建第一滤波器;

A4、基于所述第t帧图像和所述第t-1帧图像所对应的第一滤波器,确定第t帧图像中目标的位置和尺度;

A5、根据所述第t帧的特征图,更新所述第一滤波器,获取新的第一滤波器;

A6、重复步骤A4-A6直至全部帧的图像处理完成。

2.根据权利要求1所述的方法,其特征在于,所述步骤A2包括:A2-1、在所述第t-1帧图像中,确定以所述目标位置为中心的目标区域;

A2-2、根据所述目标位置的目标区域,获取该目标区域的HOG特征、A2-3、针对所述目标位置的目标区域,采用预先设定的VGGNet-16深度模型提取得到第一深度特征;

A2-4、针对所述目标位置的目标区域,采用预先设定的VGGM-2048深度模型提取得到第二深度特征。

3.根据权利要求2所述的方法,其特征在于,所述步骤A3包括:A3-1、基于所述第t-1帧图像中目标的特征图像、目标的位置和目标框的宽w和高h和预先设定的输出因子σ'和预先设定的特征区块的边长cell_size,获取所述第t-1帧图像中目标的特征图像的每一特征区域块的高斯函数标签的傅里叶域;

A3-2、对所述目标区域的HOG特征、第一深度特征及第二深度特征进行融合处理,获取特征X,并对所述融合后的特征X进行傅里叶变换,获取特征X的傅里叶域;

A3-3、基于所述第t-1帧图像中目标的特征图像的每一特征区域块的高斯函数标签的傅里叶域、特征X的傅里叶域,采用预先设定的目标函数确定第一滤波器;

其中目标函数为:

其中,特征通道k(k=1,2,.……,K)的相关滤波算法,T为循环移位样本数,[Δτj]为第j个循环移位运算符,P为裁剪块为的是裁剪出目标区域外的背景块信息,后续两项为空间正则项、时间正则项,λ,λ1为空间正则项、时间正则项的参数, 为一个倒立的高斯分布权重;θ为前帧学习的滤波器参数。

4.根据权利要求3所述的方法,其特征在于,所述步骤A3-1包括:A3-1-1、对所述第t-1帧图像中目标的特征图像,进行网格划分,获取与所述第t-1帧图像中目标的特征图像对应的多个具有预先设定第一边长的特征区块;

A3-1-2、则基于t-1帧目标框的宽w和高h和预先设定的输出因子σ'和预先设定的第一边长;采用公式 获取参数σ;

其中,cell_size为预先设定的第一边长;

A3-1-3、计算候选区域块中离目标中心点循环移位的横坐标步长rs、纵坐标步长cs;

其中,所述候选区域块为所述目标框面积预设倍数的面积区域块;

A3-1-4、针对每一特征区块,采用公式(1)建立与所述特征区块对应的高斯函数标签;

公式(1)为:

A3-1-5、对所述高斯函数标签做傅里叶变换,转换为傅里叶域。

5.根据权利要求4所述的方法,其特征在于,所述步骤A3-2包括:A3-2-1、对所述目标区域的HOG特征、第一深度特征及第二深度特征进行融合处理,获取具有预先设定的K个通道的特征X;

A3-2-2、对所述特征X进行傅里叶变换,获取特征X的傅里叶域。

6.根据权利要求4所述的方法,其特征在于,所述步骤A3-3包括:针对所述K个通道中的任一通道,采用预先设定的采用预先设定的目标函数确定与所述K个通道中的任一通道对应的第一滤波器;

其中目标函数为:

第一滤波器为

7.根据权利要求3所述的方法,其特征在于,所述步骤A4包括:A4-1、针对所述预先设定的视频序列,获取所述第t帧图像A4-2、在所述第t帧图像中,根据第t-1帧图像中目标的位置获取一个第一样本,并对所述第一样本进行循环移位操作处理,获取多个第二样本;

其中,所述第一样本为:所述第t帧图像中与第t-1帧图像中目标的位置相同的位置的预设面积的图像;

A4-3、分别针对所述第一样本和多个第二样本中的每一第二样本,提取HOG特征、第一深度特征、第二深度特征;

A4-4、将所述第一深度特征、第二深度特征和HOG特征进行融合,获取分别与所述第一样本和第二样本中的每一第二样本一一对应融合特征;

A4-5、基于与所述第一样本和第二样本中的每一第二样本一一对应的融合特征和所述第一滤波器,确定所述第t帧图像中目标的位置。

8.根据权利要求7所述的方法,其特征在于,所述步骤A4-5包括:A4-5-1、将与所述第一样本和第二样本中的每一第二样本对应融合特征分别与所述第一滤波器进行卷积操作,获取多个所述第t帧图像所对应的响应图F;

A4-5-2、基于所述多个与第t帧图像所对应的响应图F,确定所述第t帧图像中的目标位置;

其中,所述第t帧图像中的目标位置为:在所述多个与第t帧图像所对应的响应图中最大的响应图所对应的第一样本或第二样本中目标的位置。

9.根据权利要求8所述的方法,其特征在于,所述步骤A4还包括:A4-6、基于所述第t帧图像中目标的位置,确定与所述第t帧图像中目标的位置对应的第一样本或第二样本;

A4-7、基于与所述第t帧图像中目标的位置对应的第一样本或第二样本,获取与所述第t帧图像中目标的位置对应的第一样本或第二样本的5个尺度依次递增的HOG特征;

A4-8、将所述5个尺度依次递增的HOG特征,分别通过第一滤波器,获取所述第t帧图像中的目标尺度;

其中所述第t帧图像中的目标尺度为:在所述5个尺度依次递增的HOG特征中与第一滤波器进行卷积操作后最大的响应图所对应的第一样本或第二样本中的尺度。

10.根据权利要求6所述的方法,其特征在于,所述步骤A5包括:采用ADMM方法,更新所述第一滤波器,获取新的滤波器;

其中所述新的滤波器用于t+1帧的目标位置的跟踪确定。