[發明專利]一種基于循環矩陣的快速自適應多尺度目標跟蹤方法

在審

• 申請號: 201710233175.0
• 申請日: 2017-04-11
• 公開（公告）號: CN106887012A
• 公開（公告）日: 2017-06-23
• 發明（設計）人: 劉治;郭慶榮;姬海燕;許建中;曹艷坤
• 申請（專利權）人: 山東大學
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06K9/62
• 代理公司: 濟南圣達知識產權代理有限公司37221
• 代理人: 王志坤

1.一種基于循環矩陣的快速自適應多尺度目標跟蹤方法，其特征在于：

在視頻的初始幀圖像中，根據所給出的目標位置和目標窗口尺度信息，采用循環矩陣進行稠密采樣提取目標子窗口作為訓練樣本，訓練分類器；

采用分類器檢測當前幀圖像中所有待測目標子窗口，獲取分類器響應值最大的待測目標子窗口之目標位置和目標窗口尺度信息，更新分類器，于下一幀圖像的處理。

2.根據權利要求1所述的方法，其特征在于：采用循環矩陣進行稠密采樣提取目標子窗口作為訓練樣本，利用傅里葉變換計算目標子窗口核函數，通過最小代價函數訓練正規則化最小分類器系數。

3.根據權利要求1所述的方法，其特征在于：采用分類器檢測當前幀圖像中所有待測目標子窗口的方法為：計算當前幀圖像中待測目標子窗口與初始幀圖像中目標子窗口之間的核函，利用所述核函數和分類器同時計算所有待測目標子窗口的響應值，獲取響應值最大的待測目標子窗口。

4.根據權利要求2所述的方法，其特征在于：多數利用傅里葉變換計算目標子窗口核函數的方法為：

式中，x表示當前幀圖像的子窗口，F和F^-1分別表示傅里葉變換和傅里葉逆變換，*表示復共軛，σ是尺度參數。

5.根據權利要求4所述的方法，其特征在于：所述通過最小代價函數訓練正規則化最小分類器系數的方法為：

$y_{ij}=\exp (-({\left(i-i^{\′}\right)}^2+{\left(j-j^{\′}\right)}^2)/s^2),\∀i=0,...,m-1,\∀j=0,...,n-1$

式中，λ是正規則化參數，y是訓練樣本標記矩陣，y_ij是y的元素，k(x,x)是核函數，訓練樣本像素數是m*n，F和F^-1分別表示傅里葉變換和傅里葉逆變換。