[發明專利]一種紅外點狀目標跟蹤方法

有效

• 申請號: 202010522691.7
• 申請日: 2020-06-10
• 公開（公告）號: CN111739055B
• 公開（公告）日: 2022-07-05
• 發明（設計）人: 艾斯卡爾·艾木都拉;武文成;張國峰;杜鵬
• 申請（專利權）人: 新疆大學
• 主分類號: G06T7/20
• 分類號: G06T7/20;G06V10/774;G06K9/62
• 代理公司: 北京方圓嘉禾知識產權代理有限公司 11385
• 代理人: 程華

1.一種紅外點狀目標跟蹤方法，其特征在于，所述方法包括：

步驟S1，在捕獲到目標的當前幀圖像中通過訓練得到目標模型；

步驟S2，在當前幀的下一幀圖像中確定檢測樣本集；對所述檢測樣本集內的各檢測樣本進行特征提取得到各所述檢測樣本對應的特征矩陣；

步驟S3，對各所述檢測樣本對應的特征矩陣與所述目標模型進行相關程度計算，得到各所述檢測樣本對應的相關程度值，選取最大的所述相關程度值作為最優檢測相關程度值；

步驟S4，判斷所述最優檢測相關程度值的抖動是否大于或等于設定閾值；若大于或等于所述設定閾值，則執行步驟S6；若小于所述設定閾值，則執行步驟S5；

步驟S5，確定所述最優檢測相關程度值對應的所述檢測樣本內的目標位置，通過訓練更新步驟S3中的所述目標模型，重復步驟S2-S4，實現目標跟蹤；

步驟S6，在當前幀的下一幀圖像中確定目標樣本集；對所述目標樣本集內的各目標樣本進行特征提取得到各所述目標樣本對應的特征矩陣，對各所述目標樣本對應的特征矩陣與所述目標模型進行相關程度計算，得到各所述目標樣本對應的相關程度值，選取最大的所述相關程度值作為最優目標相關程度值；確定所述最優目標相關程度值對應的所述目標樣本內的所述目標位置，通過訓練更新步驟S3中的所述目標模型，重復步驟S2-S4，實現目標跟蹤；

步驟S4具體為：

判斷當前幀的下一幀的所述最優檢測相關程度值與前b幀的最優相關程度值的抖動是否大于或等于設定閾值；所述最優相關程度值為所述最優檢測相關程度值或所述最優目標相關程度值；若小于所述設定閾值，則執行步驟S5；若大于或等于所述設定閾值，則執行步驟S6；b為大于等于1的正整數；若當前幀之前的所有幀數之和小于b，則取b為當前幀之前的所有幀數之和；若當前幀之前的所有幀數之和大于或等于b，則取b為設定值；

所述當前幀的下一幀的所述最優檢測相關程度值與前b幀的所述最優相關程度值的抖動，計算公式如下：

式中：P為抖動，t為當前幀的下一幀的幀數，為第t幀的最優檢測相關程度值；σ(R_max)為前b幀最優相關程度值的標準差。

2.根據權利要求1所述的方法，其特征在于，步驟S1包括：

步驟S11，在捕獲到目標的當前幀圖像中確定目標區域；

步驟S12，基于所述目標區域，取目標區域的2倍大小作為訓練樣本采集區域；

步驟S13,采用循環采樣方法，在所述訓練樣本采集區域內，獲得訓練樣本集；

步驟S14，對所述訓練樣本集內的各所述訓練樣本進行特征提取得到各所述訓練樣本對應的特征矩陣；

步驟S15，通過對各所述訓練樣本對應的所述特征矩陣進行訓練，得到所述目標模型。

3.根據權利要求2所述的方法，其特征在于，步驟S2包括：

步驟S21，在當前幀的下一幀圖像中取所述目標區域的2倍大小作為檢測樣本采集區域；

步驟S22，采用循環采樣方法，在所述樣本采集區域內，獲得所述檢測樣本集；

步驟S23，對所述檢測樣本集內的各所述檢測樣本進行特征提取得到各所述檢測樣本對應的特征矩陣。

4.根據權利要求1所述的方法，其特征在于，步驟S6包括：

步驟S61，在當前幀的下一幀圖像中根據目標確定目標區域，進一步確定預測樣本采集區域，在所述預測樣本采集區域內的預測軌跡上以所述目標區域的大小為窗口進行搜索得到預測樣本集；

步驟S62，通過計算得到所述預測樣本集內的各所述預測樣本的顯著度值，選取前n個最大的所述顯著度值對應的所述預測樣本作為目標樣本集；

步驟S63，對所述目標樣本集內的各所述目標樣本進行特征提取得到各所述目標樣本對應的特征矩陣；

步驟S64，對所述目標樣本對應的特征矩陣與所述目標模型進行相關程度計算，得到各所述目標樣本的對應的相關程度值；選取最大的所述相關程度值作為最優目標相關程度值；

步驟S65，確定所述最優目標相關程度值對應的所述目標樣本內的所述目標位置和所述目標區域，更新步驟S3中的所述目標模型，重復步驟S2-S4，實現目標跟蹤。