[发明专利]一种基于金字塔表观模型的运动目标跟踪方法

权利要求书

1.一种基于金字塔表观模型的运动目标跟踪方法，其包括以下步骤：

步骤1：给出待跟踪目标物体在初始帧里面的状态和观测；

步骤2：采用金字塔分割和增量主成分分析的方法对跟踪目标进行金字塔表观建模；

步骤3：在金字塔表观模型中融入跟踪目标的纹理信息；

步骤4：在金字塔表观模型中融入跟踪目标的形状信息；

步骤5：将跟踪目标在当前帧的状态加上随机扰动作为下一帧的粒子，将所得粒子的观测与目标在当前帧的观测分别进行金字塔表观建模并进行比较，选定最为相似的粒子对应的观测作为被跟踪的目标在下一帧的状态；

步骤6：对选定观测的金字塔表观模型从低层至高层逐层计算所有分块的重构误差，并与设定的阈值进行比较，对重构误差小于阈值的分块进行表观更新。

2.按照权利要求1所述的运动目标跟踪方法，其特征在于，步骤1具体包括：

步骤11：将跟踪目标在初始帧中的位置信息、旋转角度、尺度、长宽比、长宽之间的角度作为初始状态，将跟踪目标的图像信息作为物体的观测；

步骤12：运用模板匹配的方法得到接下来m帧的粗略跟踪结果，作为初始m帧的状态，m为大于1的自然数。

3.按照权利要求1所述的运动目标跟踪方法，其特征在于，步骤2中对目标进行金字塔表观建模，包括步骤如下：

步骤21：对初始m帧中的跟踪目标图像进行三层金字塔分割；

步骤22：利用高斯核函数对金字塔每一层中的每个子块分配不同的权重；

步骤23：利用主成分分析算法，对金字塔每层每个分块学习一个低维的子空间表观，并用增量主成分分析算法在线更新所述子空间的特征基和均值，进而在线更新跟踪目标的表观模型。

4.按照权利要求3所述的运动目标跟踪方法，其特征在于，步骤23中所述子空间表观的基向量如下获得：

步骤231：根据所述初始m帧中跟踪目标的图像的每个分块求出其对应的图像平均值；

步骤232：根据所述图像平均值求出每个分块对应的协方差矩阵；

步骤233：将所述协方差矩阵的特征向量作为一个低维子空间的基向量。

5.按照权利要求1所述的运动目标跟踪方法，其特征在于，步骤3中在金字塔表观模型中融入跟踪目标的纹理信息，包括步骤如下：

步骤31：利用跟踪目标的金字塔表观模型，对每个分块按顺序构造六种类Haar特征；

步骤32：按金字塔层级由高到低，每层中分块顺序从左至右、从上至下，每个分块中六种特征按定义的先后顺序，将所有的类Haar特征组成特征向量；

步骤33：利用所述类Haar特征组成特征向量进行学习得到一组类Haar特征对应的低维子空间的基向量。

6.按照权利要求5所述的运动目标跟踪方法，其特征在于，所述六种类Haar特征分别是：横向两个相邻分块像素值和之差，纵向两个相邻分块像素值和之差，对角线两个分块像素值和之差。

7.按照权利要求1所述的运动目标跟踪方法，其特征在于，步骤4中在金字塔表观模型中融入跟踪目标的形状信息，包括步骤如下：

步骤41：利用跟踪目标的金字塔表观，分层分块地在每块图像上统计HOG特征直方图；

步骤42：将每个分块的HOG特征直方图按金字塔层级由高到低，每层中子块从左至右、从上至下的顺序连接起来，组成PHOG特征向量；

步骤43：利用所述PHOG特征向量进行学习得到一组PHOG特征对应的低维子空间的基向量。

8.按照权利要求1所述的运动目标跟踪方法，其特征在于，步骤5包括步骤如下：

步骤51：将每个跟踪目标在当前帧的状态上加上随机扰动，作为该物体在下一帧里面的粒子；

步骤52：将这些粒子的观测与跟踪目标在当前帧的观测分别进行金字塔表观建模并进行比较，选择最为相似的粒子对应的观测作为被跟踪的目标在下一帧的状态。