一种基于特征融合与自适应分块的核相关滤波跟踪方法与流程

技术特征：

1.一种基于特征融合与自适应分块的核相关滤波跟踪方法，其特征在于，包括如下步骤：

1)获取目标子块的初始尺寸大小和位置：输入跟踪视频的第一帧图像，以确定跟踪目标的尺寸大小和初始位置，设跟踪视频的总帧数为n，根据目标像素比例对目标进行分块，设子块总数为m，利用跟踪目标的初始尺寸大小和位置与各个子块之间的几何关系得到目标子块的初始尺寸大小和位置；

2)对目标子块进行建模和训练：将其余帧的图像输入,通过循环移位后得到目标子块的所有样本，计算目标子块的hog和cn特征的基样本，然后利用多通道技术融合hog特征和cn特征，利用融合后的特征对目标子块进行建模，所建的目标子块模型即为分类器，运用脊回归函数对目标子块模型进行训练；

3)获取当前子块的目标位置：使用高斯核函数计算出目标子块所有的正样本即目标和负样本即背景的核相关矩阵和分类器权重系数来计算得到子块中所有目标位置的最大响应值，检测出最大响应位置，从而得到当前帧中当前子块的目标位置；

4)更新目标子块样本和分类器权重系数：根据当前帧中当前子块的目标位置，对目标子块样本和分类器权重系数进行更新，为下一帧的对应子块的目标位置检测作准备；

5)确定当前帧目标的最终位置：跟踪完所有子块后，对于响应值越大的目标子块赋予越大的权重系数，利用加权平均来确定当前帧目标的最终位置；

6)重复步骤2)～步骤5)，直至完成跟踪视频的最后一帧。

2.根据权利要求1所述的基于特征融合与自适应分块的核相关滤波跟踪方法，其特征在于，步骤1)中所述的根据目标像素比例对目标进行分块，其分块过程为：根据目标像素比对不同的目标进行分块处理，对目标进行分块后，利用matlab对应的工具包读取被跟踪视频的groundtruth文本文件，文本中包含被跟踪视频标定好的真实数据，及每一帧的目标的大小和目标中心位置，然后根据目标初始位置与子块之间的几何关系得到每个子块目标的大小和初始位置，在第一帧中，我们以每个子块的中心坐标作为子块目标的初始位置。

3.根据权利要求1所述的基于特征融合与自适应分块的核相关滤波跟踪方法，其特征在于，步骤2)中所述的通过循环移位后得到目标子块的所有样本的具体过程为：根据一个向量x，通过向量x的各个元素依次向右移一个位置得到一个行向量，经过n次后，得到n个循环移位向量，将这n个循环移位向量依次排列成一个矩阵，这个矩阵成为x生成的循环矩阵c(x)，然后根据子块的中心位置，中心坐标为(x,y)和尺寸大小即子块的长和宽来计算子块目标区域的基样本，对基样本进行循环移位采样后得到子块目标区域的循环样本。

4.根据权利要求1所述的基于特征融合与自适应分块的核相关滤波跟踪方法，其特征在于，步骤2)中所述利用多通道技术融合hog特征和cn特征具体过程如下：

(1)通过matlab对应的工具包获取目标区域的hog特征和降维后的cn特征，cn特征最终获取到是31维的hog特征和11维的cn特征，利用主成分分析方法对特征cn特征降维，其中降维后的cn特征为2维；

(2)利用多通道技术对31维的hog特征，2维的cn特征和1维的灰度特征进行加权融合得到34维的融合特征，多通道融合公式如下：

其中，是核函数，xc是第c个通道的hog特征和cn特征的融合特征，⊙表示点积运算，σ为高斯核函数的带宽，f^-1表示傅里叶逆变换。

5.根据权利要求1所述的基于特征融合与自适应分块的核相关滤波跟踪方法，其特征在于，步骤2)中所述的运用脊回归函数对子块目标模型进行训练，其中训练的目的是找一到一个回归函数f(z)＝w^tz，样本回归的值使误差最小平方，回归函数f(z)求解w的过程如下：

(1)在训练中使用的损失函数为:

其中，x是目标样本，y是回归目标，w是分类器权重系数，λ是正则化参数，f是分类函数，||·||为范数运算

(2)样本线性可分条件下，岭回归求解得：w＝(x^tx+λi)^-1x^ty，

其中，x使样本数据的循环移位构成的循环矩阵，i为单位矩阵，t代表转置操作；

(3)在傅里叶域中写成：

6.根据权利要求1所述的基于特征融合与自适应分块的核相关滤波跟踪方法，其特征在于，步骤3)中所述的得到当前帧中当前子块的目标位置的具体过程如下：

(1)对回归函数f(z)的解w用样本x和对偶空间ɑ的线性组合表示为：

因此，回归问题转化为：

其中，k(z,xi)为核函数，本方法选用的核函数是高斯核函数：

其中，z代表检测样本，⊙表示矩阵点乘运算，σ为高斯核函数的带宽，*表示矩阵共轭；

(2)子块响应值具体求解步骤如下：

利用核函数理论和岭回归求解上式的：

α＝(k+λi)^-1y，

其中k为循环矩阵，对其进行傅里叶变换，求得ɑ在对偶空间的解为：

至此，得到子块最终的响应位置为：

根据公式对子块中所有训练样本进行回归检测，计算出所有训练样本在频域中对应响应值，利用傅里叶逆变换把转换回时域时，响应值最大的位置就是为子块目标位置。

7.根据权利要求1所述的基于特征融合与自适应分块的核相关滤波跟踪方法，其特征在于，步骤4)中所述的对子块目标样本和分类器权重系数进行更新，在更新过程中，每一帧图像都会产生一个分类器，将这个分类器与在步骤2)中已经训练好的分类器进行更新，得到实时训练的分类器：

η表示训练分类器的更新权重，其中η＝0.125。

8.根据权利要求1所述的基于特征融合与自适应分块的核相关滤波跟踪方法，其特征在于，步骤5)中所述的对于响应值越大的目标子块赋予越大的权重系数wi，利用加权平均来确定当前帧目标的最终位置，对于响应值越大的目标子块赋予更大的权重系数wi：

f(z)i是第i个子块最大响应位置，

利用加权平均来确定当前帧目标的最终位置f：

其中