(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 202210628171.3 (22)申请日 2022.06.06 (71)申请人 南京航空航天大 学 地址 210016 江苏省南京市秦淮区御道街 29号 (72)发明人 柳稼航　沈鑫怡　 (74)专利代理 机构 南京苏高专利商标事务所 (普通合伙) 32204 专利代理师 王安琪 (51)Int.Cl. G06V 20/52(2022.01) G06V 10/62(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01) (54)发明名称 一种基于尺度自适应的目标跟踪方法 (57)摘要 本发明公开了一种基于尺度自适应的目标 跟踪方法， 利用位置滤波器Fpos来获取目标的位 置信息， 然后通过提取HOG特征用于训练尺度滤 波器Fscale， 得到目标的尺度信息， 将位置信息和 尺度信息传输给云台控制模块通过计算运动目 标的动态方向和目标尺度变化量转化为偏移角 度和变焦数据， 使得目标对象能够准确显示在监 控图像的指定位置。 本发明能够 有效解决跟踪系 统自动化 程度低的问题。 权利要求书2页 说明书5页 附图4页 CN 115240128 A 2022.10.25 CN 115240128 A 1.一种基于尺度自适应的目标跟踪方法， 其特 征在于， 包括如下步骤： 步骤1、 输入首帧图像， 初始化目标的位置pos1和尺度scale1； 步骤2、 提取搜索区域的Hog特征和Lab特征， 利用循环矩阵的形式来生成更多的样本信 息， 其中基样本为 正样本， 其 余都为负 样本； 步骤3、 通过岭回归分类器训练目标分类器， 转化到傅里叶域中训练和更新相关滤波 器； 步骤4、 使用训练好的滤波器来预测目标所在的位置， 确定响应峰值得到跟踪目标的位 置pos2； 步骤5、 构建一个独立的尺度判别分类器， 通过对目标尺度进行采样得到一组尺度空 间； 步骤6、 计算尺度滤波器的响应值， 以响应最大值作为最佳匹配， 确定并更新当前尺度 scale2； 步骤7、 利用跟踪算法得到目标矩形框的中心坐标， 通过比较两个坐标之间的位置来决 定是否进行云台转动， 从而保持监控目标始终处于监控画面的中心区域； 步骤8、 基于改进的KCF算法输出实时的目标尺度， 利用目标的实际高度与理想高度的 差值， 以此确定目标的缩放 率进行相机的变焦控制。 2.如权利要求1所述的基于尺度自适应的目标跟踪方法， 其特征在于， 步骤3 中， 通过岭 回归训练目标分类器f(x)＝wTx， 转化到傅里叶域中训练和更新相关滤波器， 岭回归的训练 过程为： 其中， (xi， yi)是一个训练样本和回归目标对应的序列， λ是正则化参数， 用于防止过度 拟合， w是训练权 重。 3.如权利要求1所述的基于尺度自适应的目标跟踪方法， 其特征在于， 步骤5 中， 构建一 个独立的尺度判别分类器， 通过对目标尺度进行采样得到一组尺度 空间具体为： 首先通过 位置滤波器估计目标所在的位置， 利用当前位置为中心点， 建立 目标尺度金字塔来提取训 练样本， 假设训练样本为x1， x2， ...， xn， 每个样本对应的输出为yi， 使用岭回归求解最优尺 度滤波器hi， 如下： 其中， 表示卷积； λ为 正则化参数， 用于控制过度拟合； 用于尺度评估的目标样本的候选尺度参数选取为： anW×anR 其中， a为比例因子， 跟踪对象的比例大小为 W×R； 获取最终的尺度 滤波器的响应最大值即为候选目标的最优尺度， 对尺度分类器学习系 数 和外观模型 以学习率 η进行 更新： 权　利　要　求　书 1/2 页 2 CN 115240128 A 2其中， 和 分别为尺度分类器的外观模型和尺度分类器的系数矩阵， 和 为 当前帧中尺度分类 器的外观模型和系数矩阵。 4.如权利要求1所述的基于尺度自适应的目标跟踪方法， 其特征在于， 步骤7中， 利用跟 踪算法得到目标矩形框的中心坐标(u， v)， 已知 监控画面的中心坐标为 通过比较 两个坐标之 间的位置来决定是否进行云台转动， 从而保持监控目标始终处于监控画 面的中 心区域； 目标移动的水平方向的角度α 和垂直方向的角度β 分别为： 其中， u和v分别代表运动目标水平方向和垂直方向上的坐标， Mw×Mh为监控视频画面的 分辨率， 角度 θ 1为相机水平最大视角的一半， 角度 为相机垂直 最大视角的一半。 5.如权利要求1所述的基于尺度自适应的目标跟踪方法， 其特征在于， 步骤8中， 当需要 变焦时， 镜 头的调焦倍数按如下公式进行： 其中， Se为监控目标在画面中的理想尺寸， Sp为当前追踪算法检测出的目标的实际尺 寸。权　利　要　求　书 2/2 页 3 CN 115240128 A 3