[發(fā)明專利]一種基于KCF混合MFO的快速運(yùn)動目標(biāo)跟蹤方法

在審

• 申請?zhí)枺?/td>: 201811255830.3
• 申請日: 2018-10-26
• 公開（公告）號: CN109461166A
• 公開（公告）日: 2019-03-12
• 發(fā)明（設(shè)計）人: 張煥龍;張建偉;張杰;張秀嬌;陳鍵;聶國豪;陳青華;孔漢;楊光露
• 申請（專利權(quán)）人: 鄭州輕工業(yè)學(xué)院
• 主分類號: G06T7/136
• 分類號: G06T7/136;G06T7/246
• 代理公司: 鄭州優(yōu)盾知識產(chǎn)權(quán)代理有限公司 41125
• 代理人: 張真真;栗改

1.一種基于KCF混合MFO的快速運(yùn)動目標(biāo)跟蹤方法，其特征在于，其步驟如下：

步驟一：讀取第一幀圖像的數(shù)據(jù)信息初始化目標(biāo)的狀態(tài)參數(shù)，設(shè)置MFO搜索和KCF跟蹤方法的優(yōu)化模型參數(shù)；

步驟二：利用KCF跟蹤方法獲得最大響應(yīng)值，確定跟蹤目標(biāo)；

步驟三：根據(jù)KCF跟蹤方法中設(shè)置計算置信度閾值的集合元素長度，依據(jù)目標(biāo)的最大響應(yīng)值，計算置信度閾值；

步驟四：依據(jù)當(dāng)前幀的最大響應(yīng)值與置信度閾值的關(guān)系，確定不同的基樣本圖像產(chǎn)生方式：如果第nf幀的最大響應(yīng)值R_maxnf＜Thr_nf-1，Thr_nf-1為第nf幀的置信度閾值，采用飛蛾-火焰全局搜索獲得基樣本圖像，確定基樣本圖像塊區(qū)域，結(jié)合KCF方法實(shí)現(xiàn)目標(biāo)跟蹤；如果R_maxnf≥Thr_nf-1，則依據(jù)第nf幀目標(biāo)在(nf-1)幀內(nèi)的映射位置附近隨機(jī)獲得基樣本圖像塊，執(zhí)行KCF方法對運(yùn)動平滑的目標(biāo)進(jìn)行有效跟蹤；使用更新的基樣本圖像塊構(gòu)造循環(huán)矩陣；

步驟五：依據(jù)最大響應(yīng)更新置信度閾值，確定新的基圖像樣本，返回步驟二，確定跟蹤目標(biāo)。

2.根據(jù)權(quán)利要求1所述的基于KCF混合MFO的快速運(yùn)動目標(biāo)跟蹤方法，其特征在于，所述步驟二中的KCF跟蹤方法獲得最大響應(yīng)值的方法為：

A、依據(jù)跟蹤目標(biāo)的初始化狀態(tài)確定基樣本圖像，產(chǎn)生目標(biāo)候選樣本集合，構(gòu)造循環(huán)矩陣X：候選區(qū)域的寬度和高度分別為β*width和β*high，其中，width為目標(biāo)區(qū)域的寬度，high為目標(biāo)區(qū)域的高度，1≤β＜2為候選區(qū)域與目標(biāo)區(qū)域的比例因子；將目標(biāo)區(qū)域轉(zhuǎn)換成列向量表示，得到目標(biāo)樣本x＝[x₁,x₂,…x_n]，其中，n＝width*high；將目標(biāo)樣本x作為基樣本向量，依據(jù)基樣本的循環(huán)移位操作產(chǎn)生最終的候選樣本集合，候選樣本集合包含了基樣本向量和其產(chǎn)生的(n-1)個候選樣本，形成的循環(huán)矩陣如下：

循環(huán)矩陣X的第一行是基樣本向量的轉(zhuǎn)置x^T；

B、跟蹤問題的時域-頻域轉(zhuǎn)化，實(shí)現(xiàn)分類問題的求解：訓(xùn)練的目標(biāo)就是求最小化平方誤差下的權(quán)值w，從而獲得決策函數(shù)f(z)＝w^Tz，將跟蹤的目標(biāo)樣本從候選樣本中分離，權(quán)值w通過下式獲得：

其中，x_i為第i個訓(xùn)練樣本，y_i是訓(xùn)練樣本x_i對應(yīng)的回歸值，z是觀測樣本或稱為候選樣本，λ為控制過度擬合的正則化因子；

在復(fù)數(shù)域下權(quán)值w解的向量描述形式為：

w＝(X^HX+λI)^-1X^Hy；

其中，I為識別矩陣，X^H是循環(huán)矩陣X的共軛轉(zhuǎn)換，且X^H＝(X^*)^T，X^*是循環(huán)矩陣X的復(fù)共軛矩陣；

將時域的權(quán)值w轉(zhuǎn)換為頻率域內(nèi)的表達(dá)式為：

其中，為x的傅里葉變換向量，為向量的復(fù)共軛，為y的傅里葉變換值，⊙表示代表向量對應(yīng)元素相乘；

C、獲得最大響應(yīng)值，確定跟蹤目標(biāo)：

選取候選樣本z，候選樣本z和目標(biāo)樣本x的維度相同，依據(jù)公式：

其中，k^xz是目標(biāo)樣本x和候選樣本z的核相關(guān)性，決策函數(shù)值f(z)是一個維度和回歸值y一樣的向量，此時找出向量中最大的元素的位置就是要探測的位置，最大的元素為最大響應(yīng)值R_max。