[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
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

本發明提供了一種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，該局部自適應特征提取方法包括：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。本發明的有益效果是：本發明的局部自適應特征提取方法，替換目標跟蹤器中特征提取部分的其他特征提取技術，能夠提高跟蹤器在熱紅外目標跟蹤任務中的性能，能夠提取出更適用于熱紅外目標跟蹤的穩定的、具有更多判別信息的特征。

技術領域

本發明涉及目標跟蹤技術領域，尤其涉及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。

背景技術

在某些惡劣的環境下，例如陰雨天、漆黑的夜晚、背景復雜的工業環境中，可見光圖像視頻采集設備無法發揮其功能，在其采集的圖像視頻中甚至連人類也無法識別認知各種各樣復雜的目標，這時基于熱紅外成像原理的圖像視頻采集設備能夠作為補充發揮巨大作用。而針對這些設備所采集的熱紅外圖像視頻，在可見光目標跟中表現出色的目標跟蹤算法并沒有表現相應的優異性能，這是由于熱紅外圖像中圖像特征匱乏、目標類型單一、白斑噪聲水平較高等原因造成的。

在視覺目標跟蹤領域，常用的特征是基于局部梯度統計的HOG特征，這種特征提取方法通過統計圖像局部鄰居的梯度方向信息來計算特征向量。這種特征在應用到基于RGB顏色的視覺目標跟蹤器中表現良好，但在熱紅外目標跟蹤器中表現一般。這是由于它無法描述關于梯度的幅值信息。

將卷積神經網絡提取出的深度特征應用在熱紅外目標跟蹤器中時，效果超過了上一段所述的HOG特征，但是由于目前的卷積神經網絡不是在熱紅外數據集上訓練的，這種提取特征方法無法達到跟蹤器對判別信息的要求。

發明內容

本發明提供了一種用于熱紅外目標跟蹤的局部自適應特征提取方法，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。

作為本發明的進一步改進，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。

作為本發明的進一步改進，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。