[發明專利]一種基于光譜特征的視覺追蹤方法

有效

• 申請號: 201710670378.6
• 申請日: 2017-08-08
• 公開（公告）號: CN109389137B
• 公開（公告）日: 2022-04-22
• 發明（設計）人: 曹汛;趙遠遠;朱維新;陳林森
• 申請（專利權）人: 南京大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06V10/762;G06V10/771;G06V10/764
• 代理公司: 南京知識律師事務所 32207
• 代理人: 李媛媛

1.一種基于光譜特征的視覺追蹤方法，其特征在于，包括如下步驟：

步驟1，將視頻幀的第一幀圖像及其對應的光譜數據信息輸入到CSK追蹤器中，訓練一個核化最小二乘分類器，充分利用循環矩陣結構特性，提升在后續圖像幀中按塊尋找目標的速度；其中，最小二乘分類器通過最小化代價函數得到特征向量的權值w；

步驟2，根據得到的權值w，在頻域范圍內求解參數c(m,n)，其中，(m,n)表示上一幀目標中心點的偏移位置；

步驟3，進行檢測之前，對圖像塊進行加窗預處理；

步驟4，根據第一幀圖像對光譜數據進行處理：分析和比較目標與背景在光譜維度的特征差異，找尋到目標的光譜維特征；

步驟5，采用主成分分析法對步驟4的光譜維特征進行降維映射，以降低數據的冗余；

步驟6，將步驟5中降維后的光譜維特征輸入到CSK追蹤器中進行訓練，并通過下式得到CSK追蹤器參數C：

其中，F{c}是指對參數c(m,n)進行傅里葉變換；Y是標記y的頻域表示，而y是索引圖像塊的循環移位量x_m,n的標記，x_m,n∈{0,1...,M-1}×{0,1...,N-1}，M×N指目標圖像塊的大小；I是指單位陣；λ是正則化參數；表示第一幀圖像中偏移位置(m,n)處的特征向量；

步驟7，訓練完成之后，對后續圖像序列進行檢測，將后續圖像幀中的圖像塊z_m,n輸入到步驟6得到的追蹤器中，檢測輸出分值分值的計算公式為：

其中，是指目標的近似位置，由當前檢測幀的前一幀決定，是指對核函數進行傅里葉變換，F^-1指傅里葉反變換；

找到使輸出分值最大的位置，即目標所在的位置；

步驟8，利用當前檢測幀的光譜特征重新訓練跟蹤器，更新追蹤器的權值w和參數c(m,n)；更新完畢后，重復步驟7繼續對后續圖像幀進行檢測，直到圖像序列檢測完畢。

2.根據權利要求1所述的一種基于光譜特征的視覺追蹤方法，其特征在于，所述步驟3中，對圖像塊增加漢寧窗預處理。

3.根據權利要求1所述的一種基于光譜特征的視覺追蹤方法，其特征在于，所述步驟4中，處理的具體過程為：

步驟41，將任一空間點的光譜維單獨提取出來，看成是一個N維向量t(p,q)＝(x₁,x₂…,x_N)，其中，(p,q)指第一幀圖像中目標的空間坐標位置，N是光譜通道數；求出目標區域的平均光譜數據同時提取背景區域的平均光譜數據然后分別求取背景區域的平均光譜數據與目標區域的平均光譜數據的一維梯度信息，也即光譜信息的細節變化；

步驟42，利用映射矩陣R對背景的平均光譜數據和目標的平均光譜數據梯度之間進行聚類分析，從而提取出使映射矩陣R值最小的P個光譜通道：

4.根據權利要求1所述的一種基于光譜特征的視覺追蹤方法，其特征在于，所述步驟5中，降維映射的具體過程為：

利用奇異值分解的方法表示現有維數的協方差矩陣，然后最小化平方誤差ε，求出維度為P×J的映射矩陣R，該映射矩陣R使得原特征向量的維數從P降為J；其中，平方誤差ε表達式為：

其中，表示第i幀圖像中偏移位置(m,n)處的特征向量；M×N指目標圖像塊的大小。