基于特征融合和贝叶斯分类的核相关滤波目标跟踪方法与流程

技术特征：

1.一种基于特征融合和贝叶斯分类的核相关滤波目标跟踪方法，其特征在于：包括以下步骤：

第1步，设定t＝1，捕获第一帧视频图像，选择待跟踪目标的矩形区域，得到目标中心位置和目标尺度；

第2步，以第t帧视频图像的目标中心位置为中心，提取两倍于目标尺度的子窗口；对子窗口图像建立目标外观模型x；训练相关滤波器A和颜色贝叶斯模型Rb；

第3步，判断t值大小：若t＝1，则将目标外观模型x作为标准外观模型训练相关滤波器A作为标准相关滤波器颜色贝叶斯模型Rb作为标准颜色贝叶斯模型若t＞1，则更新标准外观模型和标准相关滤波器根据PSR值的大小，更新标准颜色贝叶斯模型

第4步，t自加1，捕获第t帧视频图像，以第t-1帧视频图像的目标中心位置为中心，提取搜索区域；对搜索区域图像建立目标外观模型z；将目标外观模型z与当前的标准目标外观模型进行核空间映射得到映射结果将映射结果进行傅里叶变换，并利用当前的标准相关滤波器进行滤波处理，得到各个像素点输出响应找出最大的输出响应并将输出响应对应的像素点设定为第t帧视频图像的目标中心位置；根据所有像素点输出响应，计算PSR值；

第5步，利用当前的标准颜色贝叶斯模型，计算出搜索区域内各个像素点属于跟踪目标的置信概率，进而得到搜索区域的置信图；将置信图依次进行空间先验分布模型处理、自适应阈值分割处理和形态学处理、最大连通域分析得到分割矩形；利用平滑性约束方程得到第t帧视频图像的目标尺度；

第6步，判断第t帧视频图像是否为视频最后一帧图像：若是则结束跟踪，否则跳至第2步；

在第5步中，所述利用当前的标准颜色贝叶斯模型，计算出搜索区域内各个像素点属于跟踪目标的置信概率，进而得到搜索区域的置信图；将置信图依次进行空间先验分布模型处理、自适应阈值分割处理和形态学处理、最大连通域分析得到分割矩形；利用平滑性约束方程得到第t帧视频图像的目标尺度，是指包括如下步骤：

第5.1步，利用当前的标准颜色贝叶斯模型，计算出搜索区域内各个像素点属于跟踪目标的置信概率，进而得到搜索区域的置信图；

第5.2步，建立空间先验分布模型：

其中，cx表示搜索区域内每个位置，c0表示第t-1帧视频图像的目标中心位置，σ0表示先验分布的参数；

将先验分布模型分别与各个像素点的置信图相乘以对各个像素点的置信图进行约束处理；

第5.3步，采用自适应阈值分割法进行分割处理；然后进行形态学处理的闭操作和开操作，以填充分割导致的孔洞并排除孤立噪点；之后进行最大连通域分析得到尺寸为color_seg_sz的分割矩形；

第5.4步，利用平滑性约束方程得到第t帧视频图像的目标尺度：

其中，γ表示尺度更新参数。

2.根据权利要求1所述的基于特征融合和贝叶斯分类的核相关滤波目标跟踪方法，其特征在于：在第2步中，所述对子窗口图像建立目标外观模型x，是指包括如下步骤：

第2.1步，将子窗口图像从原始的三维RGB格式转化为十一维CN空间格式；利用主成分分析法，将十一维CN空间格式映射为二维颜色属性信息；

第2.2步，将子窗口图像进行梯度特征计算，提取三十二维HOG特征，并剔除梯度值为全零的一维冗余HOG特征，得到三十一维梯度属性信息；

第2.3步，对子窗口图像进行灰度化处理，得到一维灰度属性信息；

第2.4步，将颜色属性信息、梯度属性信息和灰度属性信息进行串联融合，得到三十四维多属性融合特征；将该三十四维多属性融合特征作为目标外观模型x，x＝[x1,x2,...,xc],c＝34。

3.根据权利要求2所述的基于特征融合和贝叶斯分类的核相关滤波目标跟踪方法，其特征在于：在第2步中，所述训练相关滤波器A是指，包括如下步骤：

第2.5步，设定子窗口图像中的样本xm,n,(m,n)∈{0,...,M-1}×{0,...N-1}，M和N分别为子窗口图像的横向尺寸和纵向尺寸；

第2.6步，对子窗口图像中的样本分配连续的、以目标中心位置为中心的高斯分布形式的标签y(m,n)；

第2.7步，对子窗口图像的外观模型x自身进行核空间映射：

其中，*是指复数共轭，⊙是指矩阵中的元素对运算，σ²是高斯函数中的方差，F是指傅里叶变换；

采用岭回归方式进行训练，对核空间映射和标签进行傅里叶变换，得出相关滤波器模型A：

其中，λ为正则项系数。

4.根据权利要求3所述的基于特征融合和贝叶斯分类的核相关滤波目标跟踪方法，其特征在于：在第2步中，训练颜色贝叶斯模型Rb是指，包括如下步骤：

第2.8步，将跟踪目标划分跟踪目标区域O，其余子窗口图像区域划分为目标邻域S；

第2.9步，基于原始的三维RGB格式子窗口图像，分别计算跟踪目标区域O和目标邻域S的十六维统计直方图，得到16*16*16的统计直方图H(O)和H(S)；

第2.10步，利用贝叶斯准则，计算用于表征各个像素属于目标的概率置信情况的概率模型，即得到颜色贝叶斯模型：

其中，i是指各个像素位置。

5.根据权利要求4所述的基于特征融合和贝叶斯分类的核相关滤波目标跟踪方法，其特征在于：在第3步中，所述更新标准外观模型和标准相关滤波器根据PSR值的大小，更新标准颜色贝叶斯模型是指，

设置学习因子ρ，更新标准外观模型和标准相关滤波器

设置学习因子β，根据PSR值的大小，更新标准颜色贝叶斯模型

其中，τ为PSR阈值。

6.根据权利要求1所述的基于特征融合和贝叶斯分类的核相关滤波目标跟踪方法，其特征在于：在第4步中，所述t自加1，捕获第t帧视频图像，以第t-1帧视频图像的目标中心位置为中心，提取搜索区域；对搜索区域图像建立目标外观模型z；将目标外观模型z与当前的标准目标外观模型进行核空间映射得到映射结果将映射结果进行傅里叶变换，并利用当前的标准相关滤波器进行滤波处理，得到各个像素点输出响应找出最大的输出响应并将输出响应对应的像素点设定为第t帧视频图像的目标中心位置；根据所有像素点输出响应，计算PSR值，是指包括如下步骤：

第4.1步，t自加1，捕获第t帧视频图像，以第t-1帧视频图像的目标中心位置为中心，提取搜索区域；对搜索区域图像建立目标外观模型z；

第4.2步，将目标外观模型z与当前的标准目标外观模型进行核空间映射得到映射结果

其中，*是指复数共轭，⊙是指矩阵中的元素对运算，σ²是高斯函数中的方差，F是指傅里叶变换；

第4.3步，将映射结果进行傅里叶变换，并利用当前的标准相关滤波器进行滤波处理，得到搜索区域中各个像素点的输出响应

第4.4步，找出最大的输出响应并将输出响应对应的像素点设定为第t帧视频图像的目标中心位置；

第4.5步，根据所有像素点输出响应，计算PSR值：

其中，μy和σy分别是输出响应的均值和标准差。

7.根据权利要求6所述的基于特征融合和贝叶斯分类的核相关滤波目标跟踪方法，其特征在于：在第4.1步中，对搜索区域图像建立目标外观模型z是指，

将搜索区域图像从原始的三维RGB格式转化为十一维CN空间格式；利用主成分分析法，将十一维CN空间格式映射为二维颜色属性信息；

将搜索区域图像进行梯度特征计算，提取三十二维HOG特征，并剔除梯度值为全零的一维冗余HOG特征，得到三十一维梯度属性信息；

对搜索区域图像进行灰度化处理，得到一维灰度属性信息；

将颜色属性信息、梯度属性信息和灰度属性信息进行串联融合，得到三十四维多属性融合特征；将该三十四维多属性融合特征作为目标外观模型z，z＝[z1,z2,...,zc],c＝34。