1.一种基于目标性分析的视觉目标跟踪方法,其特征在于,所述方法包括:S1、根据上一帧的目标预测位置、跟踪目标及其周围背景的颜色直方图,计算当前帧的像素级目标性图;
S2、在所述步骤S1得到的像素级目标性图上以滑动窗口的形式计算区域目标性图,使用非极大值抑制选择所述区域目标性图中响应值最高的N个位置,作为跟踪锚点;
S3、在以所述步骤S2得到的N个跟踪锚点以及所述上一帧中的目标位置为中心,面积为目标大小ρ倍的N+1个搜索区域内,利用同一个相关滤波器分别得到每个搜索区域的跟踪结果响应图,分别找到所述每个响应图中的最大响应位置作为跟踪目标在当前帧的候选位置;
S4、通过非极大值抑制,在所述步骤S3得到的N+1个响应图中分别选出S个测试样本,通过最小化熵正则化损失函数,选择最优跟踪锚点,根据其对应响应图的最大值的位置预测当前帧目标所在位置;
S5、更新颜色直方图模型参数;
S6、更新相关滤波器模型参数;
S7、重复步骤S1至S6,直到图像序列最后一帧。
2.如权利要求1所述的方法,其特征在于,所述步骤S1包括:S11、计算图像中每一个像素点的RGB颜色直方图得分,得到RGB颜色直方图得分图;
S12、计算目标性掩模,与所述步骤S11得到的所述颜色直方图得分图做点乘,得到初始目标性图;
S13、利用高斯函数滤除所述步骤S12得到的所述初始目标性图中的噪声,得到最终的像素级目标性图。
3.如权利要求1所述的方法,其特征在于,所述滑动窗口大小为上一帧预测得到的目标大小。
4.如权利要求1所述的方法,其特征在于,所述跟踪锚点为跟踪搜索区域的中心点。
5.如权利要求1所述的方法,其特征在于,所述相关滤波器为函数f(z)=WTZ,Z为样本的特征向量,W为f的参数。
6.如权利要求1所述的方法,其特征在于,所述步骤S5包括:S51、在以目标预测位置为中心,大小为目标本身的前景区域F内的每个像素,为其分配样本标签1,在以目标预测位置为中心,大小为目标ρ倍的除去F的背景区域B内的每个像素,为其分配样本标签0;
S52、分别以时间间隔ΔtF和ΔtB更新所述前景区域F的颜色直方图模型和所述背景区域B的颜色直方图模型;
S53、模型训练。
7.如权利要求6所述的方法,其特征在于,所述模型训练过程为求解线性回归问题的过程,具体包括:目标函数为:
其中,|F|为所述前景区域内像素数量,|B|为所述背景区域内像素数量,ψ(u)为像素u的RGB颜色分布直方图;
找到一个ω最小化训练样本u的预测值与其样本标签真实值之间的误差平方和。
8.如权利要求1所述的方法,其特征在于,所述步骤S6包括:S61、以目标预测位置为中心,大小为目标ρ倍的区域内,构造循环偏移矩阵作为更新参数所需的训练样本,对新构造的样本分配高斯分布的标签,目标在中心时,标签为1,目标偏离中心越远,标签越小,最小为0;
S62、样本训练。
9.如权利要求8所述的方法,其特征在于,所述样本训练过程为求解岭回归问题过程,训练的目标函数为:找到一个函数f(z)=WTZ,最小化训练样本xi的响应与真值yi之间的误差平方和,同时加入正则化参数λ防止模型出现过拟合。