本发明涉及计算机视觉和图像处理领域，尤其涉及了基于几何估计的多尺度跟踪方法。
背景技术：
随着人工智能的发展，计算机视觉作为其重要的一环发展迅猛，其中目标视觉跟踪在智能交通、人机交互和智能监控等领域得到广泛运用，各种跟踪算法也层出不穷，成为国内外专家、学者研究的热点问题。尺度变化问题作为目标跟踪领域的几大难题之一，很多跟踪算法在目标尺度发生变化时的跟踪效果不好。由此，多尺度的跟踪算法孕育而生，多尺度的跟踪算法可以建立多个目标尺度来适应目标尺度的变化，实现目标尺度的自适应。
然而，目前多尺度的跟踪算法由于多个目标尺度的建立会出现计算量大、实时性差的情况，不能满足实际工程应用中的要求，所以，现有技术中缺乏一种计算速度快，实时性好的多目标尺度跟踪方法。
技术实现要素：
本发明提供一种基于几何估计的多尺度跟踪方法，设置了多个目标尺度，实现了对尺度变化的目标的跟踪，并且计算速度快，实时性好，从而准确又快速的实现目标跟踪。
为达到上述目的，本发明采用如下技术方案：
一种基于几何估计的多尺度跟踪方法，包括：
s1、输入图像序列、跟踪目标初始位置与跟踪目标初始大小x，设置目标尺度变量si＝{0.8，0.9，1.0，1.1，1.2}(i＝1～5)；
s2、根据跟踪目标初始大小x和尺度变量si设置5个跟踪框，在5个跟踪框内对跟踪目标进行特征提取和模板训练，从而获得5个候选目标模板，将候选目标模板分别与目标样本做高斯核相关运算得到最大响应，将响应值最高的候选目标模板标记为当前目标模板，最大响应值的位置标记为当前目标位置，响应值最高的候选目标模板对应的尺度变量标记为当前目标尺度变量；
s3、根据相机成像原理，根据图像序列中跟踪目标的高度h估算目标距离相机的实际距离d；
s4、利用实际距离d估算出目标尺度的变化，缩小目标尺度变量si的取值范围，将目标尺度变量si与所述跟踪目标初始大小x相乘得到当前跟踪目标大小，将所述当前跟踪目标大小标记为输入图像序列中下一帧的跟踪目标初始大小，将所述当前目标位置标记为输入图像序列中下一帧的跟踪目标初始位置，循环执行s1-s3，通过训练与迭代，目标位置与尺度的滤波器可被获得，该滤波器可以判别目标在每一帧的位置与尺度；
s5、利用滤波器对输入图像序列进行处理，得到跟踪目标的置位置和尺度，实现对尺度变化目标的跟踪。
进一步的，s2包括：
s21、根据跟踪目标初始大小x和尺度变量si设置5个跟踪框，在目标尺度si(i＝1～5)对应的跟踪框内进行目标特征提取和模板训练，得到5个不同尺度的候选目标模板templatei(i＝1～5)；
s22、将5个候补目标模板templatei(i＝1～5)，分别与输入图像序列中下一帧的目标样本sample做相关运算，
yi＝f(templatei，sample)
f为高斯核相关函数，yi(i＝1～5)为响应结果，将5个响应结果相比较，得到最大响应值ymax；
s23、将最大响应值si的位置作为目标的位置，将该响应所采用的候选目标模板templatei作为当前目标模板，候选目标模板templatei的尺度作为当前目标尺度，从而获得当前目标位置和当前目标尺度变量。
进一步的，s3包括：
s31、根据目标模板templatei的高度得到视频序列中跟踪目标的高度h；
s32、将跟踪目标的高度h代入相机成像原理公式
进一步的，在s4中，缩小目标尺寸变量si的取值范围包括：
根据实际距离d的数值变化来判断目标与相机间的实际距离，由此判断目标尺度的变化，如果d值变小，在输入图像序列中下一帧，将尺度变量si设置为s1，s2，s3，对应求得目标模板为template1，template2，template3，最后在响应结果y1，y2.y3中求取最大值；
如果d值变大，在输入图像序列中下一帧，将尺度变量si设置为s3，s4，s5，对应求得目标模板为template3，template4，template5，最后在响应结果y3，y4，y5中求取最大值。
本发明的有益效果是：
本发明中设置了多个目标尺度的跟踪算法，采用几何估计方法，通过对目标大小的估计再结合相应的几何关系式，大量减少了多个目标尺度跟踪算法的计算量，使算法的帧率得以保障，提高算法的实时性，实现了准确、快速的目标跟踪效果。
具体实施方式
为使本领域技术人员更好地理解本发明的技术方案，下面结合具体实施方式对本发明作进一步详细描述。
本发明实施例提供一种基于几何估计的多尺度跟踪方法，包括：
一种基于几何估计的多尺度跟踪方法，包括：
s1、输入图像序列、跟踪目标初始位置与跟踪目标初始大小x(长*宽)，设置目标尺度变量si＝{0.8，0.9，1.0，1.1，1.2}，i＝1～5。
s2、根据跟踪目标初始大小x和尺度变量si相乘，得到设置5个目标跟踪框，在目标尺度si(i＝1～5)对应的跟踪框内进行目标特征提取和模板训练，得到5个不同尺度的候选目标模板templatei(i＝1～5)；
将5个候补目标模板templatei(i＝1～5)，分别与下一帧的目标样本sample做相关运算，
yi＝f(templatei，sample)
f为高斯核相关函数，yi(i＝1～5)为响应结果，将5个响应结果相比较，得到最大响应值ymax；
将最大响应值ymax的位置作为目标的位置，将该响应所采用的候选目标模板templatei作为当前目标模板，候选目标模板templatei的尺度作为当前目标尺度，从而获得当前目标位置和当前目标尺度变量。
s3、根据相机成像原理，通过目标模板templatei的高度得到视频序列中跟踪目标的高度h；
将跟踪目标的高度h代入相机成像原理公式
s4、利用实际距离d估算出目标尺度的变化，缩小目标尺度变量si的取值范围。
其中，缩小目标尺寸变量si的取值范围包括：
根据实际距离d的数值变化来判断目标与相机间的实际距离，由此判断目标尺度的变化，如果d值变小，在下一帧中将尺度变量si设置为s1，s2.s3，对应求得目标模板为template1，template2，template3，最后在响应结果y1，y2，y3中求取最大值；
如果d值变大，在下一帧中将尺度变量si设置为s3，s4，s5，对应求得目标模板为template3，template4，template5，最后在响应结果y3，y4，y5中求取最大值。
将目标尺度变量si与所述跟踪目标初始大小x相乘得到当前跟踪目标大小，将所述当前跟踪目标大小标记为下一帧中的跟踪目标初始大小，将所述当前目标位置标记为下一帧中的跟踪目标初始位置，循环执行s1-s3，通过训练与迭代，目标位置与尺度的滤波器可被获得，该滤波器可以判别目标在每一帧的位置与尺度。
s5、利用滤波器对输入图像序列进行处理，得到跟踪目标的置位置和尺度，实现对尺度变化目标的跟踪。
将本实施例运用到不具备尺度变化的核相关滤波跟踪算法中，运行改进后算法的电脑配置为：window8.1操作系统，处理器intel(r)core(tm)i5-4200m(2.50ghz)，8gb。运行环境为matlab平台。
参数设置如下：学习因子β＝0.02，高斯核σ＝0.5，正则化参数λ＝1e-4，单元格4×4，9方向的hog特征。在数据集中选取一个目标尺度变化的视频序列(视频序列名称：heman8)，采用本实施例在视频序列上测试，测试结果如下表所示：
表：改进的算法在不同帧中跟踪框尺度的变化
根据上表可见，本发明改进后算法的跟踪框可随目标尺度的变化而变化，另外算法的fps为100.5966，可见采用几何估计的方法减少了算法的计算量。
本发明的有益效果是：
本发明中设置了多个目标尺度的跟踪算法，采用几何估计方法，通过对目标大小的估计再结合相应的几何关系式，大量减少了多个目标尺度跟踪算法的计算量，使算法的帧率得以保障，提高算法的实时性，实现了准确、快速的目标跟踪效果。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。