技术特征：
1.一种基于手工特征融合的多尺度抗遮挡目标跟踪方法，其特征在于，基于相关滤波模型，利用方向梯度直方图特征和颜色命名特征训练两个独立的滤波器，通过多分辨率采样确定目标尺度，对两种响应结果进行评估并进行自适应融合，对最终融合结果进行遮挡判断，若判定发生遮挡则启动重检测器进行重检测，若判定未发生遮挡则根据融合后的响应结果确定目标的位置，依据两种滤波器响应结果的apce值进行各自学习率的调整，进行模型更新，然后判断是否为最后一帧，若为最后一帧则结束，否则返回重新进行多分辨率采样确定目标尺度；重检测时进入下一帧，若未检测到目标再进入下一帧，直至检测到目标，更新目标的位置，然后判断是否为最后一帧，若为最后一帧则结束，否则返回重新进行多分辨率采样确定目标尺度。2.如权利要求1所述的方法，其特征在于，包括以下步骤：步骤1，根据初始信息，依据核相关滤波原理，进行hog特征滤波器与cn特征滤波器的初始化；步骤2，多分辨率采样，提取hog特征，利用hog特征滤波器计算响应确定当前尺度；步骤3，根据步骤2确定的尺寸，提取cn特征，计算cn滤波器的响应结果；步骤4，对步骤2和步骤3的响应结果进行自适应融合；步骤5，利用apce指标对融合后的响应结果进行评估，指标低于设定阈值时判定目标被遮挡，启动重检测器进行重检测，进入下一帧，若未检测到目标再进入下一帧，直至检测到目标，更新目标的位置，判断是否为最后一帧，若为最后一帧则结束，否则返回执行步骤2；指标高于或等于阈值时判定目标未被遮挡，执行步骤6；步骤6，根据融合后的响应结果确定目标的位置，依据两种滤波器响应结果的apce值进行各自学习率的调整，进行模型更新；判断是否为最后一帧，若为最后一帧则结束，否则返回执行步骤2。3.如权利要求1或2所述的方法，依据各响应的apce指标调整学习率时，设定阈值a和阈值b，a＞b，当评估指标高于阈值a时，学习率固定为0.01，在阈值a与阈值b之间时，根据指标进行学习率的动态调整，在0-0.01间变化，低于阈值b时，不进行更新。4.根据权利要求1所述的方法，其特征在于，通过多分辨率采样确定目标尺度具体为：使用步骤1中训练得到的hog特征滤波器，在原尺度的基础上，设计尺度池为[1.05,1,0.95]，分别对应原尺寸的1.05倍、原尺寸以及原尺寸的0.95倍，以三种分辨率采样提取hog特征，计算响应，以最大响应值对应的尺度为当前尺度。5.根据权利要求1所述的方法，其特征在于，所述步骤4中，对步骤2与步骤3计算得到的响应结果根据相关峰平均能量指标进行评估，依据评估指标，进行两种响应结果的自适应融合，当两者指标的差异较大时，选择更可靠的响应结果作为最终的响应结果，差异较小时，进行线性加权融合。6.根据权利要求1所述的方法，其特征在于，所述重检测器是根据线性软间隔支持向量机原理设计。
技术总结
本发明提供了一种基于手工特征融合的多尺度抗遮挡目标跟踪方法，鲁棒性较强并且计算量不大，可以运行在大多数跟踪平台上。本发明通过设计尺度池进行多分辨率采样，能够快速处理目标在运动过程中发生的尺度变化；提出的依据相关峰平均能量指标进行两种特征滤波器响应结果融合的方法实现了HOG特征与CN特征优势的综合，提升了跟踪器的辨别能力；通过对每一帧的跟踪结果进行遮挡判断评估，另外设计了SVM重检测器，在目标丢失后在丢失前的附近区域进行重检测，提高了跟踪器的抗遮挡能力。独立地对两个跟踪器的跟踪结果进行评估，根据APCE指标调整学习率，实现各自的自适应更新。实现各自的自适应更新。实现各自的自适应更新。
技术研发人员：白永强 李乐 陈杰 窦丽华 邓方 甘明刚 蔡涛
受保护的技术使用者：北京理工大学
技术研发日：2022.03.22
技术公布日：2022/7/15