[發明專利]基于PCA-Struck多源視頻目標特征融合跟蹤方法

在審

• 申請號: 202110453117.5
• 申請日: 2021-04-26
• 公開（公告）號: CN113095275A
• 公開（公告）日: 2021-07-09
• 發明（設計）人: 陳萬志;王璐璐
• 申請（專利權）人: 遼寧工程技術大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京華夏正合知識產權代理事務所(普通合伙) 11017
• 代理人: 韓登營

1.基于PCA-Struck多源視頻目標特征融合跟蹤方法，其特征在于，包括以下步驟：

S1、PCA圖像融合：運用PCA圖像融合，保持各波段信息；

S2、目標表示模型；

S3、目標定位：引入一個判別函數預測每幀之間目標位置發生的變化信息，預測下一幀位置，找到目標位置轉換量；

S4、結構化輸出SVM：定義最小凸目標函數，求最小凸目標函數的最優解。

2.如權利要求1所述的基于PCA-Struck多源視頻目標特征融合跟蹤方法，其特征在于，所述步驟S1的PCA圖像融合的具體步驟如下：

S101、對參加融合可見光圖像與紅外圖像進行配準，像素總和為K＝M×N；

S102、計算可見光圖像像素點的R、G、B分量值按列存儲在矩陣up_A中并將其歸一化，其中所有像素點的特征矩陣是X＝[x₁,x₂,...,x_K]；

S103、對于up_A中的某一個像素x_i＝[R_i,G_i,B_i]^T，R_i，G_i，B_i分別表示同一像素點的RGB對應的分量值；

S104、計算所有向量的平均值

S105、計算up_A協方差矩陣

S106、計算C_X的特征值λ_i與對應的特征向量λ_i按大到小的順序排列，相應的也相對應，其中

S107、按照下式進行主分量變換；

Y＝A×(X-m_X)

S108、計算紅外圖像像素點的R、G、B分量值按列存儲在矩陣up_B中并將其歸一化；

S109、并重復步驟S102-S107，得到紅外圖像第一主分量，第二主分量，第三主分量；

S110、對可見光與紅外圖像的主分量直方圖相匹配，把可見光圖像的第一主分量替換成紅外圖像中的第一主分量；

S111、將匹配之后的向量，按照下式進行PCA逆變換，則得到最終融合圖像

X＝A^-1×Y+m_X。

3.如權利要求1所述的基于PCA-Struck多源視頻目標特征融合跟蹤方法，其特征在于，所述步驟S2中目標表示模型訓練樣本如下：

4.如權利要求1所述的基于PCA-Struck多源視頻目標特征融合跟蹤方法，其特征在于，所述步驟S3中目標定位的具體步驟如下：

S301、Struck引入一個判別函數F:X×Y→R，通過上一幀的目標特征x和支持向量直接利用預測函數f:x→y來預測每幀之間目標位置發生的變化信息，其中y表示搜索空間，預測函數公式為：

S302、找到概率最大的目標位置轉換的y_t∈y，用其作為目標跟蹤預測下一幀位置的基礎，所以下一幀目標為其中P_t-1為當前幀的目標位置，y_t為下一幀預測目標位置轉換量。

5.如權利要求1所述的基于PCA-Struck多源視頻目標特征融合跟蹤方法，其特征在于，所述步驟S4中結構化輸出SVM具體步驟如下：

S401、將判別函數形式轉換成F(x,y)＝ω,Φ(x,y)，其中φ表示映射函數，定義最小凸目標函數為：

其中，δΦ_i(y)＝Φ(x_i,y)，是一個兩矩形框之間重疊率，將上式轉換成其與之等價的對偶問題的求解，求最小凸目標函數的最優解。