[發明專利]用于熱紅外目標跟蹤的局部自適應特征提取方法、系統及存儲介質在審
| 申請號： | 201811426910.0 | 申請日： | 2018-11-27 |
| 公開（公告）號： | CN109685825A | 公開（公告）日： | 2019-04-26 |
| 發明（設計）人： | 何震宇;李東壕;張曉峰;周瑞;柯瀚林;祝清麟;邵盧嬌 | 申請（專利權）人： | 哈爾濱工業大學（深圳） |
| 主分類號： | G06T7/246 | 分類號： | G06T7/246;G06K9/46 |
| 代理公司： | 深圳市科吉華烽知識產權事務所(普通合伙) 44248 | 代理人： | 孫偉 |
| 地址： | 518000 廣東省深圳*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 特征提取 紅外目標跟蹤 自適應 垂直方向梯度 水平方向梯度 存儲介質 跟蹤器 特征提取技術 協方差矩陣 差值計算 接收輸入 替換目標 相鄰像素 像素位置 圖像 | ||
1.一種用于熱紅外目標跟蹤的局部自適應特征提取方法，其特征在于，包括依次執行如下步驟：
步驟S1：接收輸入的圖像，在當前幀中利用相鄰像素之間的差值計算當前幀水平方向梯度以及垂直方向梯度；
步驟S2：使用步驟S1已計算出的當前幀水平方向梯度以及垂直方向梯度，計算每一像素位置的梯度協方差矩陣；
步驟S3：將每一像素處的梯度協方差矩陣進行譜分解，使用它的奇異值和特征向量將其進行重構為黎曼矩陣，并進行可調整的正則化；
步驟S4：選擇設定大小的鄰域，使用高斯核函數度量像素之間的空間位置關系，將梯度協方差矩陣納入到核函數的計算中來，從而計算得到特征矩陣；
步驟S5：將特征矩陣抽成特征列向量，特征列向量的維度與預先設定好的局部鄰域大小一致；
步驟S6：使用特征列向量輸入跟蹤器，作為熱紅外目標跟蹤中的特征。
2.根據權利要求1所述的局部自適應特征提取方法，其特征在于，在所述步驟S2中，還包括根據熱紅外目標跟蹤條件下具體的噪聲水平以及目標清晰度，在設定大小的鄰域內求梯度協方差矩陣的均值。
3.根據權利要求2所述的局部自適應特征提取方法，其特征在于，在所述步驟S2中，對輸出的三維特征矩陣進行平滑濾波，然后在設定大小的鄰域內求梯度協方差矩陣的均值。
4.根據權利要求1所述的局部自適應特征提取方法，其特征在于，在所述步驟S2中，使用梯度協方差矩陣來描述熱紅外圖像中局部明暗變化的劇烈程度。
5.根據權利要求1所述的局部自適應特征提取方法，其特征在于，在所述步驟S2中，用gx表示水平梯度，gy表示垂直梯度，在pi像素處計算梯度協方差矩陣方法如下：
6.根據權利要求1所述的局部自適應特征提取方法，其特征在于，在所述步驟S3中，用公式(2)中的計算對每一像素位置的梯度協方差矩陣分解，
式中λ1、λ2、v1、v2表示分解后的特征值以及特征向量。
7.根據權利要求1所述的局部自適應特征提取方法，其特征在于，在所述步驟S3中，用式公(3)計算重構每一像素位置的梯度協方差矩陣，
式中λ1、λ2、v1、v2表示分解后的特征值以及特征向量。
8.一種用于熱紅外目標跟蹤的局部自適應特征提取系統，其特征在于，包括：存儲器、處理器以及存儲在所述存儲器上的計算機程序，所述計算機程序配置為由所述處理器調用時實現權利要求1-7中任一項所述的方法的步驟。
9.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序配置為由處理器調用時實現權利要求1-7中任一項所述的方法的步驟。
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哈爾濱工業大學（深圳），未經哈爾濱工業大學（深圳）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/201811426910.0/1.html，轉載請聲明來源鉆瓜專利網。
