[發明專利]一種基于LARK特征的自適應目標跟蹤方法

有效

• 申請號: 201710649699.8
• 申請日: 2017-08-02
• 公開（公告）號: CN107609571B
• 公開（公告）日: 2023-09-05
• 發明（設計）人: 張毅;王琴;柏連發;韓靜
• 申請（專利權）人: 南京理工大學
• 主分類號: G06V10/75
• 分類號: G06V10/75;G06V10/56;G06V10/80;G06V10/74
• 代理公司: 南京蘇創專利代理事務所(普通合伙) 32273
• 代理人: 張學彪

1.一種基于LARK特征的自適應目標跟蹤方法，其特征在于，包括以下步驟：

步驟一：利用顏色特征和LARK結構特征統計匹配方法得到待處理圖像中目標概率分布圖；所述的顏色特征和LARK結構特征統計匹配方法，包括以下步驟：

1)手動選取跟蹤目標作為模板，根據局部核值的計算原理，得到模板圖像中每一點的歸一化局部核，將其按列排序，即為模板的LARK權值矩陣W_Q，如下式所示：

式中w_i表示圖像中某一點的歸一化局部核按列排列的列向量，N為圖像中總像素數，P²為局部窗口中像素數；

2)提取跟蹤目標周圍2倍大的區域作為待處理圖像；計算待處理圖像的LARK權值矩陣W_T；用PCA方法對W_Q進行降維，只保留主成分的前d項較明顯的特征，其構成一個矩陣接著根據A_Q計算模板圖像與待處理圖像的特征矩陣F_Q和F_T，計算公式如下式所示：

式中和分別代表模板和待處理圖像中降維后的特征向量，表示矩陣A_Q的轉置矩陣，N和M分別為模板圖像和待處理圖像的總像素數；

3)將RGB空間轉HSV空間，利用H空間分量計算原始概率圖；對原始概率圖中非零像素處，進行LARK特征匹配，得到結構相似度圖，并進行歸一化處理；將其與原始概率分布圖加權融合后得到加權融合目標概率圖；

4)對加權融合目標概率圖進行自適應均值迭代搜索目標位置；最后循環第二步到第四步，實現跟蹤；

步驟二：利用Mean?Shift算法迭代搜索概率分布圖，得到搜索窗口質心收斂位置和大小作為目標中心和大小，并作為下一幀的初始搜索窗口，且每一幀跟蹤處理圖像只提取上一幀目標周圍2倍大的區域；

步驟三，利用基于LARK局部特征統計匹配的目標跟蹤方法將特征整體匹配轉化為局部特征匹配，對局部匹配相似結構的個數統計分析；所述局部特征匹配包括以下步驟：

1)根據其灰度值統計直方圖，計算原始概率圖；

2)將提取的LARK特征矩陣F_Q使用余弦相似度量進行去冗余，得到去冗余后的特征矩陣，如下式所示：

其中n＜N；

式中代表去冗余后的特征向量；

3)計算F_T中每個列向量與F_Q‘中每個列向量的夾角余弦值，并以此建立余弦相似矩陣ρ_L，如下式所示：

式中ρ_ij為待處理圖像特征矩陣F_T的第i列與模板目標圖像特征矩陣F_Q‘的第j列的夾角余弦值，ρ，代表夾角余弦值的函數表示；

4)對矩陣ρ_L每行取最大值，并在索引矩陣index_L中保存最大值對應的列向量在F_Q‘中的位置，如下式所示：

index_L＝[x₁，x₂，…，x_M]^Tx₁，x₂，…，x_M∈[1，2，…，n]

式中代表矩陣ρ_L第i行的最大值在第k_i列，ρ_L′為所有行的最大值組成的矩陣，x_i與k_i有相同含義；

之后設置相似度閾值t2，將ρ_L′的每個元素與其進行比較，對低于閾值的元素，在index_L中相應位置的索引值設為0；

5)選取固定大小的局部窗口遍歷index_L矩陣，若原始目標概率圖中該窗口位置內非0像素的個數大于某一閾值，統計該窗口內不重復的索引值個數，否則直接記錄該窗口內索引值個數為0，構建統計索引值個數的矩陣R_n；將該矩陣的像素歸一化后得到統計匹配圖，將其與原始概率圖加權融合后得到待處理圖像中目標概率分布圖。