有效
| 申請號： | 201810509437.6 | 申請日： | 2018-05-24 |
| 公開（公告）號： | CN108734139B | 公開（公告）日： | 2021-12-14 |
| 發明（設計）人： | 郭旭穎;劉威;周璇;周定寧;黃敏;成秘;付杰;王薪予 | 申請（專利權）人： | 遼寧工程技術大學 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06K9/62 |
| 代理公司： | 沈陽東大知識產權代理有限公司 21109 | 代理人： | 劉曉嵐 |
| 地址： | 123000 遼*** | 國省代碼： | 遼寧;21 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 特征 融合 svd 自適應 模型 更新 相關 濾波 跟蹤 方法 | ||
1.基于特征融合及SVD自適應模型更新的相關濾波跟蹤方法，其特征在于：包括以下步驟：
步驟1、根據給定的視頻第一幀圖像的目標位置，提取圖像的邊緣特征Fedge和HOG特征FHOG；
步驟2、根據視頻內容設定特征融合參數δ，計算得到融合后的特征值，如下公式所示：
F＝δ*Fedge+(1-δ)*FHOG
其中，δ∈[0，1]，當δ＝0時，表示目標跟蹤只使用HOG特征；當δ＝1時，表示目標跟蹤只使用邊緣特征；
步驟3、利用步驟2得到的融合后的特征值，訓練學習相關濾波器；
步驟4、提取視頻下一幀圖像的目標位置特征，并采用相關濾波器對下一幀圖像進行相關濾波操作，得到下一幀圖像的目標預測區域；
步驟5、計算下一幀圖像的目標預測區域與真實區域的奇異值特征向量的相似度；
步驟6：根據預測區域與真實區域的奇異值特征向量的相似度與所設定閾值的關系，判斷是否更新相關濾波器；若相似度大于所設定的閾值，則更新相關濾波器，同時設置較低的學習率l＝0.025，以保持良好的跟蹤；若相似度小于所設定的閾值，則認為預測區域與真實區域相差很大，不更新相關濾波器，同時設置較大的學習率l＝1；
步驟7：重復Step4-Step6對視頻圖像中所有幀圖像進行目標跟蹤，直至完成最后一幀圖像的目標跟蹤。
2.根據權利要求1所述的基于特征融合及SVD自適應模型更新的相關濾波跟蹤方法，其特征在于：所述步驟5的具體方法為：
步驟5.1、分別對下一幀圖像的目標預測區域與真實區域矩陣進行奇異值分解，得到下一幀圖像的目標預測區域與真實區域的奇異值特征向量M1和M2；
步驟5.2、利用余弦距離計算奇異值特征向量M1和M2的相似度λ，如下公式所示：
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于遼寧工程技術大學，未經遼寧工程技術大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810509437.6/1.html，轉載請聲明來源鉆瓜專利網。
