[发明专利]特定被摄体跟踪方法和装置以及特征部跟踪方法和装置

权利要求书

1.一种基于特征部检测的特定被摄体跟踪方法，其使用粒子滤波器对视频序列的多帧图像逐帧地以子窗口划分进行计算处理，以确定特定被摄体的位置和大小，所述特征部是特定被摄体的一部分，

其特征在于，

所述粒子滤波器的观测模型包括特征部观测模型，该特征部观测模型用于确定图像被子窗口划分出的子图像是特征部的似然度，

所述特征部观测模型是包括多层分类器的树状检测器，所述多层分类器对子图像是特征部的似然度进行计算，

所述多层分类器采用以下观测模型来计算子图像是特征部的似然度：

其中，x^F是表示特征部的状态向量，y^F表示观测量，F表示特征部，I_x表示子窗口划分出的对应于状态向量x^F的子图像，NF表示非特征部，v表示多层分类器的层数，r_v表示与第v层分类器相对应的F和NF模式的先验概率比，p_v(F|I_x)和p_v(NF|I_x)分别表示在第v层分类器下子图像I_x是特征部的概率和子图像I_x是NF的概率，p(y^F|x^F)和p(F|I_x)表示最终计算出的子图像是特征部的似然度，

所述特定被摄体跟踪方法包括以下步骤：

初始化步骤，对输入的视频序列的第一帧作特征部检测，在检测到的特征部周围进行高斯随机采样，获得初始样本集；

重采样步骤，对于时刻t-1时的样本集进行重采样，使得每个样本的权重相等，其中t表示当前时刻；

样本预测步骤，根据状态转移模型从t-1时刻的状态量获得t时刻的状态量，从而形成t时刻的样本集；

权重更新步骤，对每个样本的权重首先使用特定被摄体的颜色观测模型和梯度观测模型中的任一个或全部两个进行更新，再使用特征部观测模型进行更新； 

状态估计与输出步骤，根据样本预测步骤获得的样本与权重更新步骤获得的更新后的权重，对所跟踪的特定被摄体的状态进行估计，并输出估计出的状态。

2.根据权利要求1所述的特定被摄体跟踪方法，其特征在于，所述状态向量x^F具体为(x^F，y^F，s)，其中，(x^F，y^F)表示特征部在图像中的位置坐标，而s表示特征部的大小。

3.根据权利要求1或2所述的特定被摄体跟踪方法，其特征在于，所述粒子滤波器的观测模型还包括特定被摄体观测模型。

4.根据权利要求3所述的特定被摄体跟踪方法，其特征在于，所述特征部观测模型与特定被摄体观测模型相互独立。

5.根据权利要求3所述的特定被摄体跟踪方法，其特征在于，所述特定被摄体观测模型涉及梯度观测量和色彩观测量中的任一个或全部两个。