[發明專利]一種基于快速張量奇異值分解特征降維的目標跟蹤方法

有效

• 申請號: 201910349128.1
• 申請日: 2019-04-28
• 公開（公告）號: CN110084834B
• 公開（公告）日: 2021-04-06
• 發明（設計）人: 傅衡成;周武能
• 申請（專利權）人: 東華大學
• 主分類號: G06T7/246
• 分類號: G06T7/246
• 代理公司: 上海申匯專利代理有限公司 31001
• 代理人: 翁若瑩;柏子雵

1.一種基于快速張量奇異值分解特征降維的目標跟蹤方法，其特征在于，利用張量奇異值分解特征降維特征進行目標跟蹤，包括如下步驟：

(1)提取第t幀跟蹤結果窗的梯度方向直方圖特征HOG、顏色名特征CN、預訓練好的深度卷積特征CNN；

(2)將步驟(1)提取的特征排放到張量的水平切片，形成4個相互獨立的三階張量，分別記為L_i，i＝1,2,3,4；

(3)以每個張量的水平切片為單位，分別計算平均特征，第i個特征張量的平均特征記為M_i，則有：

式中，N_i為第i個特征張量的水平切片數量；L_i(j,:,:)表示三階張量L_i的第j個水平切片；

(4)使每個特征張量的水平切片分別減去相應平均特征，并記為A_i；

(5)利用快速傅里葉變換，將時域特征張量轉換到頻域，并對頻域形式的每個特征張量的每一個水平切片進行傳統的矩陣奇異值分解，并對左奇異矩陣的列進行截取，其中，保留的數目為列的前k維也等于降維后特征張量的維度；對每一個側面切片的奇異值分解完成之后，把保留的左奇異矩陣再按照原來的排列順序組成左奇異特征向量，最后通過快速傅里葉反變換，將左奇異特征向量從頻域轉換到時域，每個時域形式的左奇異特征張量分別記為

(6)利用時域形式的左奇異特征張量與減去平均特征的特征張量進行張量乘積運算得到降維后的特征張量，并對每個降維后的特征張量的每個正面切片加上之前相應得到的平均特征，得到特征張量F_i：

式中，tprod(·)表示張量乘積；tran(U_i)表示特征張量U_i的轉置

(7)對每一個特征張量F_i進行轉置，把正面切片排放到側面切片，然后對每一個特征張量F_i的側面側片都訓練一個濾波器并記為并對之前的濾波器進行更新，更新的公式如下式所示：

式中，表示第t幀的第i種特征的濾波器，η為濾波器的學習率；

(8)提取第t+1的候選區域的梯度方向直方圖特征HOG、顏色名特征CN和深度卷積特征CNN，排放的順序和步驟(2)保持一致，用第t幀得到的投影算子與第t+1幀的各個特征張量進行張量乘積，得到降維后特征張量；

(9)用第t幀得到的濾波器對降維后的特征張量進行卷積運算，每一個特征張量的側面切片得到一張置信圖，將這些置信圖相加，最后得到一張響應圖，將響應圖最大的位置作為目標在第t+1幀的位置；

(10)判斷是否為最后一幀，若不是最后一幀，則令t＝t+1，返回步驟(1)，若是最后一幀，則停止跟蹤。

2.如權利要求1所述的種基于快速張量奇異值分解特征降維的目標跟蹤方法，其特征在于，步驟(1)中，所述梯度方向直方圖特征HOG包含31層，所述顏色名特征CN包含11層，所述深度卷積特征CNN的Layer1包含96層、Layer5包含512層。

3.如權利要求1所述的種基于快速張量奇異值分解特征降維的目標跟蹤方法，其特征在于，步驟(5)中，頻域形式的矩陣奇異值分解如下式所示，對投影算子進行更新，更新公式為：

式中，P_i^t表示第t幀第i個特征張量的投影算子，α表示投影算子的學習率。