技術(shù)特征：

1.一種基于快速相關(guān)鄰域特征點(diǎn)的滑窗目標(biāo)跟蹤方法，其特征在于：包括以下步驟：

S1：生成目標(biāo)窗口模板：目標(biāo)窗口模板T_w包括左水平模板T_L、右水平模板T_R、上垂直模板T_U、下垂直模板T_D、當(dāng)前幀的窗口更新模板T_wi和初始目標(biāo)窗口模板T_w0，其中，左水平模板T_L、右水平模板T_R、上垂直模板T_U和下垂直模板T_D由如下方法得到：以當(dāng)前窗口位置為中心，向左平移m個(gè)像素得到左水平模板T_L，向右平移m個(gè)像素得到右水平模板T_R，向上平移n個(gè)像素得到上垂直模板T_U，向下平移n個(gè)像素得到下垂直模板T_D；

S2：提取快速相關(guān)鄰域特征點(diǎn)：構(gòu)建相關(guān)鄰域中的第一與第二鄰域，并設(shè)定對(duì)應(yīng)閾值；對(duì)目標(biāo)窗口進(jìn)行窗口滑動(dòng)遍歷，分別計(jì)算窗口第一鄰域特征關(guān)系f₁(i,t)與第二鄰域特征關(guān)系f₂(i,t)，根據(jù)興趣點(diǎn)判定準(zhǔn)則實(shí)現(xiàn)目標(biāo)模板特征點(diǎn)的提??；

S3：篩選最優(yōu)興趣點(diǎn)：提取興趣點(diǎn)的目標(biāo)窗口，計(jì)算當(dāng)前窗口與上一幀圖像窗口的互相關(guān)系數(shù)C_kj，構(gòu)造加權(quán)距離系數(shù)E_kj，進(jìn)而計(jì)算對(duì)應(yīng)的興趣點(diǎn)質(zhì)量得分系數(shù)S，對(duì)興趣點(diǎn)集及對(duì)應(yīng)質(zhì)量得分系數(shù)S進(jìn)行排序，選取質(zhì)量得分系數(shù)在前T％且滿(mǎn)足S≥U的特征點(diǎn)子集作為該目標(biāo)的最優(yōu)興趣點(diǎn)；

S4：興趣點(diǎn)滑窗搜索：對(duì)下一幀圖像進(jìn)行興趣點(diǎn)檢測(cè)，當(dāng)檢測(cè)興趣點(diǎn)有最優(yōu)特征點(diǎn)時(shí)，根據(jù)最優(yōu)興趣點(diǎn)相對(duì)位置計(jì)算映射后的窗口位置；當(dāng)檢測(cè)興趣點(diǎn)無(wú)最優(yōu)特征點(diǎn)時(shí)，根據(jù)所有檢測(cè)興趣點(diǎn)構(gòu)成的閉合曲線(xiàn)計(jì)算映射后的窗口位置，若檢測(cè)興趣點(diǎn)大于m個(gè)，窗口相對(duì)位置變化以所有興趣點(diǎn)構(gòu)成曲線(xiàn)的質(zhì)心位置進(jìn)行求解；

S5：特征點(diǎn)模板匹配更新：對(duì)于步驟S4得到的疑似目標(biāo)窗口，首先構(gòu)造多尺度空間窗，對(duì)空間窗內(nèi)連續(xù)幀目標(biāo)變化的長(zhǎng)寬進(jìn)行限定；然后根據(jù)目標(biāo)特征點(diǎn)模板匹配度量采取歸一化互相參數(shù)，尋找對(duì)應(yīng)每一幀圖像中最匹配目標(biāo)窗口；

S6：決策投票目標(biāo)輸出：對(duì)上述空間內(nèi)疑似目標(biāo)窗口進(jìn)行模板匹配，匹配模板采用步驟S1得到的六種目標(biāo)窗口模板T_w，將所有疑似目標(biāo)窗口分別與匹配模板中的初始目標(biāo)窗口模板T_w0進(jìn)行一一匹配計(jì)算出相應(yīng)的響應(yīng)N₀，將所有疑似目標(biāo)窗口分別與當(dāng)前幀的窗口更新模板T_wi進(jìn)行一一匹配計(jì)算出相應(yīng)的響應(yīng)N_i，分別計(jì)算N₀、N_i與決策閾值a₁的關(guān)系，構(gòu)造投票池A和B，進(jìn)而判斷輸出綜合得分最大的疑似目標(biāo)窗口。

2.如權(quán)利要求1所述的基于快速相關(guān)鄰域特征點(diǎn)的滑窗目標(biāo)跟蹤方法，其特征在于：所述步驟S2包括以下步驟：

S2.1：形成候選的相關(guān)鄰域：相關(guān)鄰域由兩部分鄰域構(gòu)成：第一鄰域?yàn)闃?biāo)準(zhǔn)4鄰域，包括4個(gè)點(diǎn)；第二鄰域包括弱4鄰域和4鄰域輪廓外側(cè)點(diǎn)，共8個(gè)點(diǎn)；

S2.2：設(shè)置第一鄰域閾值為t₁，第二鄰域閾值為t₂，候選興趣點(diǎn)的像素值為I_t，定義候選興趣點(diǎn)與第一鄰域像素的之間鄰域特征關(guān)系為：

$f_1(i,t)=\left\{\begin{array}{cc}1& I_t\≥I_i+t_1\\ 0& I_i-t_1\<I_t\<I_i+t_1\\ -1& I_t\≤I_i-t_1\end{array}\right.---\left(1\right)$

式(1)中，i∈[1,4]；

定義候選興趣點(diǎn)與第二鄰域像素的之間鄰域特征關(guān)系為：

$f_2(i,t)=\left\{\begin{array}{cc}1& I_t\≥(1+t_2)I_i\\ 0& (1-t_2)I_i\<I_t\<(1+t_2)I_i\\ -1& I_t\≤(1-t_2)I_i\end{array}\right.---\left(2\right)$

式(2)中，i∈[5,12]；

S2.3：判斷候選興趣點(diǎn)：計(jì)算當(dāng)前候選興趣點(diǎn)的第一鄰域特征關(guān)系f₁(i,t)，篩選出至少3個(gè)位置滿(mǎn)足第一鄰域關(guān)系f₁(i,t)＝1或f₁(i,t)＝-1的候選興趣點(diǎn)；然后，對(duì)篩選后的候選興趣點(diǎn)的位置按順時(shí)針順序計(jì)算其第二鄰域特征關(guān)系f₂(i,t)，依次判斷篩選后的候選興趣點(diǎn)是否存在連續(xù)N個(gè)位置滿(mǎn)足f₂(i,t)＝1或f₂(i,t)＝-1，若存在，則輸出篩選后的候選興趣點(diǎn)；否則，則繼續(xù)進(jìn)行搜索，直至完成全部第二鄰域的搜索。

3.如權(quán)利要求1所述的基于快速相關(guān)鄰域特征點(diǎn)的滑窗目標(biāo)跟蹤方法，其特征在于：所述步驟S3包括以下步驟：

S3.1：提取興趣點(diǎn)的目標(biāo)窗口，計(jì)算當(dāng)前窗口與上一幀圖像窗口的互相關(guān)系數(shù)C_kj，如式(3)所示：

$C_{kj}=\frac{\underset{u=1}{\overset{w}{\Σ}}\underset{v=1}{\overset{w}{\Σ}}(k_{uv}-k_a)(j_{uv}-j_a)}{w^2{\mathrm{\σ}}_k{\mathrm{\σ}}_j}---\left(3\right)$

式(3)中，σ_k為區(qū)域興趣點(diǎn)k的標(biāo)準(zhǔn)差，σ_j為區(qū)域興趣點(diǎn)j的標(biāo)準(zhǔn)差，k_uv為興趣點(diǎn)k在窗口(u,v)處對(duì)應(yīng)的值，j_uv為興趣點(diǎn)j的在窗口(u,v)處對(duì)應(yīng)的值，k_a為興趣點(diǎn)k窗口內(nèi)像素均值，j_a為興趣點(diǎn)j窗口內(nèi)像素均值，w為目標(biāo)窗口模板的寬度；

S3.2：根據(jù)互相關(guān)系數(shù)C_kj構(gòu)造加權(quán)距離系數(shù)E_kj：

$E_{kj}=\frac{C_{kj}+1}{2}{e}^{-{r_{kj}}^2/2{{\mathrm{\σ}}_{kj}}^2}---\left(4\right)$

式(4)中，r_kj為興趣點(diǎn)k和j的馬式距離，σ_kj為興趣點(diǎn)k和j的標(biāo)準(zhǔn)差；

S3.3：根據(jù)加權(quán)距離系數(shù)E_kj計(jì)算對(duì)應(yīng)的興趣點(diǎn)質(zhì)量得分系數(shù)S：

S＝log(1+E_kj) (5)

S3.4：對(duì)興趣點(diǎn)集及對(duì)應(yīng)質(zhì)量得分系數(shù)S進(jìn)行排序，選取質(zhì)量得分系數(shù)在前T％且滿(mǎn)足S≥U的特征點(diǎn)子集作為該目標(biāo)的最優(yōu)特征點(diǎn)。

4.如權(quán)利要求1所述的基于快速相關(guān)鄰域特征點(diǎn)的滑窗目標(biāo)跟蹤方法，其特征在于：所述步驟S5包括以下步驟：

S5.1：對(duì)于步驟S4得到的疑似目標(biāo)窗口，利用高斯金字塔采樣構(gòu)造多尺度空間窗，對(duì)空間窗內(nèi)連續(xù)幀目標(biāo)變化的長(zhǎng)寬進(jìn)行限定，高斯金字塔采樣因子N設(shè)置為:

N＝1.2^s (6)

式(6)中，s為空間采樣因子；

S5.2：根據(jù)目標(biāo)特征點(diǎn)模板匹配度量采取歸一化互相參數(shù)，尋找對(duì)應(yīng)每一幀圖像中最匹配目標(biāo)窗口，其中，窗口間歸一化互相關(guān)參數(shù)NCCP為：

$NCCP=\frac{\underset{i=0}{\overset{w-1}{\Σ}}\underset{j=0}{\overset{h-1}{\Σ}}T(i,j)TP(m+i,n+j)}{\sqrt{\underset{i=0}{\overset{w-1}{\Σ}}\underset{j=0}{\overset{h-1}{\Σ}}{T}^2(i,j)}\sqrt{\underset{i=0}{\overset{w-1}{\Σ}}\underset{j=0}{\overset{h-1}{\Σ}}{\mathrm{TP}}^2(m+i,n+j)}}---\left(7\right)$

式(7)中，T為步驟S1中所述目標(biāo)窗口模板中的任意一種，TP為疑似目標(biāo)窗口，w和h分別是目標(biāo)窗口模板的寬度和高度，i和j分別為目標(biāo)窗口模板內(nèi)像素的水平坐標(biāo)與垂直坐標(biāo)。

5.如權(quán)利要求1所述的基于快速相關(guān)鄰域特征點(diǎn)的滑窗目標(biāo)跟蹤方法，其特征在于：所述步驟S6包括以下步驟：

S6.1：對(duì)上述空間內(nèi)疑似目標(biāo)窗口進(jìn)行模板匹配，匹配模板采用步驟S1得到的六種目標(biāo)窗口模板T_w，將所有疑似目標(biāo)窗口分別與匹配模板中的初始目標(biāo)窗口模板T_w0進(jìn)行一一匹配計(jì)算出相應(yīng)的響應(yīng)N₀，將所有疑似目標(biāo)窗口分別與當(dāng)前幀的窗口更新模板T_wi進(jìn)行一一匹配計(jì)算出相應(yīng)的響應(yīng)N_i，分別計(jì)算N₀、N_i與決策閾值a₁的關(guān)系：若當(dāng)前疑似目標(biāo)窗口與N₀及N_i都滿(mǎn)足歸一化互相關(guān)參數(shù)≥a₁，則直接輸出該窗口；若當(dāng)前疑似目標(biāo)窗口只與N₀滿(mǎn)足歸一化互相關(guān)參數(shù)≥a₁，則返回步驟S2；若當(dāng)前疑似目標(biāo)窗口只與N_i滿(mǎn)足歸一化互相關(guān)參數(shù)≥a₁，則返回步驟S3；若當(dāng)前疑似目標(biāo)窗口與N₀及N_i都不滿(mǎn)足歸一化互相關(guān)參數(shù)≥a₁，則返回步驟S4。

S6.2：計(jì)算當(dāng)前疑似目標(biāo)窗口分別與T_L、T_R、T_U及T_D的相關(guān)響應(yīng)N_L、N_R、N_u及N_D，將該疑似目標(biāo)窗口的綜合得分放入決策投票池A中，該情況下綜合得分ST計(jì)算為下式：

ST＝0.3N₀+0.5N_i+0.2(N_L+N_R+N_U+N_D) (8)

S6.3：計(jì)算當(dāng)前疑似目標(biāo)窗口與N₀、N_i模板的相關(guān)響應(yīng)，將該疑似目標(biāo)窗口的綜合得分放入決策投票池A中，該情況下綜合得分ST計(jì)算為下式：

ST＝0.3N₀+0.6N_i+0.1(N_L+N_R+N_U+N_D) (9)

S6.4：計(jì)算當(dāng)前疑似目標(biāo)窗口與N₀、N_i模板的相關(guān)響應(yīng)，將該疑似目標(biāo)窗口的綜合得分放入決策投票池B中，該情況下綜合得分ST計(jì)算為下式：

ST＝0.3N₀+0.4N_i+0.3(N_L+N_R+N_U+N_D) (10)

S6.5：若投票池A中有疑似目標(biāo)窗口，則直接進(jìn)行綜合得分比較，輸出綜合得分最大的疑似目標(biāo)窗口；若投票池A中無(wú)疑似目標(biāo)窗口，則將投票池B中所有疑似目標(biāo)窗口的綜合得分進(jìn)行比較，輸出綜合得分最大的疑似目標(biāo)窗口。

6.一種基于快速相關(guān)鄰域特征點(diǎn)的滑窗目標(biāo)跟蹤系統(tǒng)，其特征在于：該系統(tǒng)包括：

目標(biāo)窗口模板生成模塊：用于生成左水平模板T_L、右水平模板T_R、上垂直模板T_U、下垂直模板T_D、當(dāng)前幀的窗口更新模板T_wi和初始目標(biāo)窗口模板T_w0；

快速相關(guān)鄰域特征點(diǎn)提取模塊：用于構(gòu)建相關(guān)鄰域中的第一與第二鄰域，并設(shè)定對(duì)應(yīng)閾值；對(duì)目標(biāo)窗口進(jìn)行窗口滑動(dòng)遍歷，分別計(jì)算窗口第一鄰域特征關(guān)系f₁(i,t)與第二鄰域特征關(guān)系f₂(i,t)，根據(jù)興趣點(diǎn)判定準(zhǔn)則實(shí)現(xiàn)目標(biāo)模板特征點(diǎn)的提?。?/p>

最優(yōu)興趣點(diǎn)篩選模塊：用于提取興趣點(diǎn)的目標(biāo)窗口，計(jì)算當(dāng)前窗口與上一幀圖像窗口的互相關(guān)系數(shù)C_kj，構(gòu)造加權(quán)距離系數(shù)E_kj，進(jìn)而計(jì)算對(duì)應(yīng)的興趣點(diǎn)質(zhì)量得分系數(shù)S，對(duì)興趣點(diǎn)集及對(duì)應(yīng)質(zhì)量得分系數(shù)S進(jìn)行排序，選取質(zhì)量得分系數(shù)在前T％且滿(mǎn)足S≥U的特征點(diǎn)子集作為該目標(biāo)的最優(yōu)興趣點(diǎn)；

興趣點(diǎn)滑窗搜索模塊：用于對(duì)下一幀圖像進(jìn)行興趣點(diǎn)檢測(cè)，當(dāng)檢測(cè)興趣點(diǎn)有最優(yōu)特征點(diǎn)時(shí)，根據(jù)最優(yōu)興趣點(diǎn)相對(duì)位置計(jì)算映射后的窗口位置；當(dāng)檢測(cè)興趣點(diǎn)無(wú)最優(yōu)特征點(diǎn)時(shí)，根據(jù)所有檢測(cè)興趣點(diǎn)構(gòu)成的閉合曲線(xiàn)計(jì)算映射后的窗口位置，若檢測(cè)興趣點(diǎn)大于m個(gè)，窗口相對(duì)位置變化以所有興趣點(diǎn)構(gòu)成曲線(xiàn)的質(zhì)心位置進(jìn)行求解；

特征點(diǎn)模板匹配更新模塊：用于對(duì)興趣點(diǎn)滑窗搜索模塊得到的疑似目標(biāo)窗口構(gòu)造多尺度空間窗，對(duì)空間窗內(nèi)連續(xù)幀目標(biāo)變化的長(zhǎng)寬進(jìn)行限定；然后根據(jù)目標(biāo)特征點(diǎn)模板匹配度量采取歸一化互相參數(shù)，尋找對(duì)應(yīng)每一幀圖像中最匹配目標(biāo)窗口；

決策投票目標(biāo)輸出模塊：用于對(duì)上述空間內(nèi)疑似目標(biāo)窗口進(jìn)行模板匹配，匹配模板采用目標(biāo)窗口模板生成模塊得到的六種目標(biāo)窗口模板T_w，將所有疑似目標(biāo)窗口分別與匹配模板中的初始目標(biāo)窗口模板T_w0進(jìn)行一一匹配計(jì)算出相應(yīng)的響應(yīng)N₀，將所有疑似目標(biāo)窗口分別與當(dāng)前幀的窗口更新模板T_wi進(jìn)行一一匹配計(jì)算出相應(yīng)的響應(yīng)N_i，分別計(jì)算N₀、N_i與決策閾值a₁的關(guān)系，構(gòu)造投票池A和B，進(jìn)而判斷輸出綜合得分最大的疑似目標(biāo)窗口。