| 主权项 |
一种单目标跟踪方法，包括：第一步，初始化参数，即，在F<sub>0</sub>帧中获取目标O<sub>0</sub>初始位置的矩形框B<sub>0</sub>＝[x<sub>0</sub>,y<sub>0</sub>,w<sub>0</sub>,h<sub>0</sub>]，分别表示边框的左上角横坐标，左上角纵坐标，边框宽，边框高；在宽高相同的图像块I上，生成L个随机点对集<img file="FDA0000825972750000011.GIF" wi="551" he="111" />其中<img file="FDA0000825972750000012.GIF" wi="261" he="70" />分别表示第l个点对之第一个点的横坐标，第一个点的纵坐标，第二点的横坐标，第二个点的纵坐标，随机点对的生成方式限制在水平或垂直两种；生成稀疏随机矩阵A，用于特征降维；第二步，分类器初始化及其更新，进行第t(t＝0,1,…,N‑1)次迭代更新，将处理第t帧图像F<sub>t</sub>，包括训练样本集D<sub>t</sub>构造、特征提取和模型更新三个处理过程；其中，所述特征提取为提取所述训练样本集D<sub>t</sub>中的所有样本图像{I<sub>i</sub>,y<sub>i</sub>}的特征，具体步骤如下：a)初始化样本图像{I<sub>i</sub>,y<sub>i</sub>}的特征为<img file="FDA0000825972750000013.GIF" wi="325" he="150" />特征长度为L；b)<img file="FDA0000825972750000014.GIF" wi="36" he="71" />的第j∈{1,2，…，L}个分量值<img file="FDA0000825972750000015.GIF" wi="53" he="79" />的计算公式如下：<img file="FDA0000825972750000016.GIF" wi="790" he="175" />其中，I<sub>i</sub>表示样本图像；y<sub>i</sub>∈{‑1,1}表示样本的类别标签，‑1表示负样本，1表示正样本；I<sub>i</sub>(p,q)表示图像I<sub>i</sub>在点(p,q)的灰度像素值；c)利用稀疏随机矩阵A对<img file="FDA0000825972750000017.GIF" wi="39" he="78" />进行降维，维数为50‑300，从而得到新的特征z,计算公式如下：<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mi>z</mi><mo>=</mo><mi>A</mi><mover><mi>z</mi><mo>‾</mo></mover></mrow>]]></math><img file="FDA0000825972750000018.GIF" wi="150" he="78" /></maths>得到训练样本集D<sub>t</sub>的特征集<img file="FDA0000825972750000019.GIF" wi="366" he="94" />第三步，目标跟踪，利用模型f<sub>t+1</sub>在F<sub>t+1</sub>帧图像进行目标跟踪，跟踪步骤包括：预测样本构造，特征提取，样本分类，选择置信度最高的多数个样本，生成一个最终的目标边界框，输出跟踪框，t＝t+1，若t＞N‑1,则结束跟踪；否则，返回第二步。 |
