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: 2020105944556
申请人: 湖南大学
专利类型:发明专利
专利状态:未下证
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

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,P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帧利用相关滤波器建立时间序列{f1,f2.f3,…ft-1},序列数据ft-1大小是M×N×C;ft-1表示第t-1帧的滤波器,M表示滤波器的长度,N表示滤波器的宽度,C表示滤波器的通道数;

将相关滤波器进行自回归建模得到:

ft=φft-1+εt

式中εt是零均值独立同分布白噪声序列,方差为σ2,且εt与f1,f2,…,ft-1独立;φ表示自回归参数。

6.根据权利要求5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5的具体步骤为:用最小二乘法,求解ft=φft-1+εt中的自回归参数模型ft=φft-1+εt写成

S(φ)=(ft-ft-1φ)T(ft-ft-1φ)=ftTft-2ftTft-1φ+φTft-1Tft-1φ对上式进行求导,可得

因此,参数φ的最小二乘估计为:

φ=(ft-1Tft-1)-1ft-1Tft其中,S(φ)表示目标函数,T表示矩阵的转置。

7.根据权利要求6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6的具体步骤为:

求解目标函数计算出相关滤波ft、优化求解的时间正则项参数θt及参数λt的步骤如下:目标函数为:

式中ft-1表示t-1时刻的相关滤波器大小是M×N×C,φ表示当前时刻和前一时刻滤波器的自相关参数大小是m×n×c,m表示自相关参数的长度,n表示自相关参数的宽,c表示自相关参数的维数,为参数,θt代表优化求解的时间正则项参数, 为常量,d表示相关滤波器通道的维数, 表示维数为d的样本特征, 表示维数为d的相关滤波器,y表示高斯标签函数,D表示总的通道数;

目标函数是凸函数,通过ADMM算法进行全局最小化求解,通过引入辅助变量T×T其中F∈C 代表正交矩阵,∧代表离散傅

里叶变化;T表示矩阵的行和列,K表示辅助变量的个数, 表示第K个辅助变量;

目标函数的增广拉格朗日形式写成:

其中, 表示拉格朗日乘法子的傅里叶变换; 表示通道为d的辅助变量, 表示通道为d目标特征,λ表示正则化参数;γ表示正则化参数步长的大小; 表示通道数为d的相关滤波器;

引入变量 目标函数写成:

表示第k个辅助变量V, 表示第k个辅助变量m,ftd表示通道数为d的相关滤波器;

通过ADMM求解下列子问题

其中, 通道数为d的目标特征, 表示通道数为d的辅助变量g;γi表示正则化参数的步长, 表示第i+1步的变量G, 表示第i+1步的变量H。

8.根据权利保护要求7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7的具体步骤为:在当前帧的目标区域提取目标特征xt,与步骤6求出的相关滤波器进行点乘运算得到目标的响应图;

计算的公式为:

式中xt表示目标特征,ft表示步骤6求得相关滤波器, 表示点乘运算操作;

在响应图R中的最大值所在的位置就是目标在当前帧的位置。