(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210809666.6 (22)申请日 2022.07.11 (71)申请人 中国科学院合肥物质科 学研究院 地址 230031 安徽省合肥市蜀山区蜀山湖 路350号 申请人 合肥学院 (72)发明人 吕刚　周铜　年福东　徐玉珊　 梅益　赵浩　 (74)专利代理 机构 合肥市浩智运专利代理事务 所(普通合伙) 34124 专利代理师 朱文振 (51)Int.Cl. G06T 7/246(2017.01) G06T 7/73(2017.01) G06V 10/62(2022.01)G06V 10/762(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06V 20/40(2022.01) G06T 5/20(2006.01) (54)发明名称 融合共现统计与fhog梯度特征的目标跟踪 方法及系统 (57)摘要 本发明提供融合共现统计与fhog梯度特征 的目标跟踪方法及系统， 方法包括： 根据跟踪目 标区域确定初始位置； 计算当前帧It的前一帧的 目标位置pt‑1和尺度因子st‑1， 据以确定目标区域 并提取当前帧相关特征 利用共现滤波器 获取被跟踪目标图像中的像素对之间的共现统 计信息， 利用fDSS T算法获取跟踪目标fhog特征， 融合共现 统计信息与跟踪目标fhog特征， 据以作 为目标图像特征； 当模型更新时， 在当前帧It中 根据当前帧目标中心pt和当前帧目标尺度st确 定目标区域提取特征， 将目标区域提取特征送入 位置滤波器和尺度滤波器中， 据以迭代更新得到 目标跟踪结果。 本发明解决了 现有技术无法完全 有效利用特征表达目标、 鲁棒性低以及特定场景 下跟踪效果 不佳的技 术问题。 权利要求书5页 说明书17页 附图5页 CN 115311327 A 2022.11.08 CN 115311327 A 1.融合共现统计与fhog梯度特 征的目标跟踪方法， 其特 征在于， 所述方法包括： S1、 根据给定跟踪目标区域确定初始目标位置； S2、 计算当前帧It的前一帧 的目标位置pt‑1和尺度因子st‑1， 据以确定目标区域并提取当 前帧相关特 征 S3、 利用共现滤波器获取所述被跟踪目标图像中的像素对之间的共现统计信息， 利用 fDSST算法获取跟踪目标fhog特征， 结合所述共现统计信息与所述跟踪目标fhog特征， 据以 作为目标图像特 征， 其中， 所述 步骤S3包括： S31、 将所述当前帧相关特征 与位置滤波器 做相关运算， 据以得到当前 帧目标位置 其中， 取所述当前帧相关特征 中最大的响应值点作为当前帧目标中 心pt； S32、 计算所述当前帧It的前一帧的所述目标位置pt‑1及所述尺度因子st‑1， 据以划定目 标区域， 缩放后得到预设数目的目标图像区域； S33、 以预置 逻辑处理得到所述共现统计信息及fhog梯度特 征， 所述步骤S33中包括： S331、 以共现滤波模块利用共现滤波器COF处理所述被跟踪目标图像中的频繁出现像 素数据； S332、 根据所述频繁出现像素数据在预置共形矩阵中， 为高频次出现像素值分配高权 重， 并为所述低频次出现像素值分配低权 重， 据以获取共现矩阵权 重数据； S333、 根据所述共现矩阵权重数据提取所述被跟踪目标图像的纹理区域内的所述目标 细节特征， 据以获取 所述共现统计信息； S34、 融合所述共现统计信息及所述fhog梯度特征， 据以得到跟踪融合数据， 提取所述 跟踪融合数据中的多尺度特征 将所述多尺度特征 与差异尺度滤波器 做相关运算， 以得到所述当前帧It的尺度信息 其中， 取所述尺度信息 中最大的响应值 点作为当前帧目标尺度st； S4、 当模型更新时， 在所述当前帧It中根据所述当前帧目标中心pt和所述当前帧目标尺 度st确定目标区域提取特征， 将所述目标区域提取特征送入所述位置滤波器和所述尺度滤 波器中， 据以迭代更新得到目标跟踪结果。 2.根据权利要求1所述的融合共现统计与fhog梯度特征的目标跟踪方法， 其特征在于， 所述所述 步骤S31包括： S311、 使用二维位置滤波器估计所述被跟踪目标的位置， 设f是由d维特征向量 组成的以所述被跟踪目标为中心的图像块， 据以利用下述逻辑构造训练样本的目 标相关响应与期望 输出之间的最优滤波器： 式中， g， hl和fl为M×N矩阵， l∈{1， ....， d}表示特征维度， ★表示卷积操作， λ表示正则 项系数； S312、 使用新的训练样本， 以下述逻辑迭代更新过 滤器的参数：权　利　要　求　书 1/5 页 2 CN 115311327 A 2式中， η表示学习率， 和Bt为滤波器 训练样本的分子和分母； S313、 利用帕萨瓦尔定理将前述步骤S312中的线性最小二乘数据转换到复频域中求 解； S314、 从所述被跟踪目标图像 中提取新的一帧的以目标为中心的图像块特征z， 二维傅 里叶变换 所述图像块特 征， 以得到得到变换图像特 征数据 S315、 利用预置逻辑处理滤波 器 训练样本的分子分母以及所述变 换图像特征数据 据以求得最大响应值， 以所述 最大响应值所对应的位置作为当前帧目标的位置 。 3.根据权利要求1所述的融合共现统计与fhog梯度特征的目标跟踪方法， 其特征在于， 所述步骤S 313中， 采用下述逻辑将所述步骤S 312中的线性最小二乘数据转换到复频域中求 解： 式中， k∈{1， ...， d}表示特征维度取值范围， 表示G的共轭转置， 离散傅里叶变换所述 M×N矩阵g， hl和fl， 据以得到相应 变量G， Hl， Fl。 4.根据权利要求1所述的融合共现统计与fhog梯度特征的目标跟踪方法， 其特征在于， 所述步骤S315中， 利用下述逻辑处理滤波器 训练样本 的分子和分母及 据以求得所述 最大响应值： 5.根据权利要求1所述的融合共现统计与fhog梯度特征的目标跟踪方法， 其特征在于， 所述步骤S332包括： S3321、 获取所述被跟踪目标图像 中的像素对之间的共现信息， 以下述逻辑根据所述共 现矩阵检测边 缘的所述共现滤波器COF： 式中， Iq和JP分别表示输入图像和输出图像， p和q是图像中不同位置像素 的索引， w(p， q)表示输入输出像素权 重； S3322、 以下述逻辑， 在预置高斯滤波器中处 理得到第一输入输出像素权 重w(p， q)： 式中， d(p， q)是图像平面上像素p和q之间的欧几里德距离， σs表示空间域核参数， 表示高斯滤波器； S3323、 以下述逻辑处理所述被跟踪目标图像的空间距离数据以及像素相似程度数据， 据以在预置双边滤波器中处 理得到第二输入输出像素权 重：权　利　要　求　书 2/5 页 3 CN 115311327 A 3