[发明专利]一种基于自适应窗的灰度目标跟踪方法

权利要求书

1.一种基于自适应窗的灰度目标跟踪方法，其特征在于，包括以下步骤：

(1) 确定目标模板:初始化跟踪目标的位置和跟踪窗口的大小；用矩形表示目标模板，目标状态表示为：，其中， 分别表示目标中心在图像中x，y方向的速度；

(2) 混合直方图特征提取：通过计算目标区域目标的灰度直方图以及梯度直方图，然后把两种特征加权混合就可以计算出目标的特征值；

(3) 初始化粒子点集：设定采样的粒子数N和初始化粒子权值；

(4) 更新粒子点集的状态：根据状态转移方程预测k时刻粒子集 ；

(5) 观测粒子点集：计算每个粒子的似然函数值，计算每个粒子的权值，并归一化权值；

(6) 目标状态估计：用粒子加权平均近似目标状态 ；

(7) 跟踪窗口调整：计算粒子到粒子集中心的平均距离，跟踪窗口的长和宽；

(8) 重采样：计算有效粒子数，累计概率并复制粒子。

2.根据权利要求1所述的一种基于自适应窗的灰度目标跟踪方法，其特征在于：所述步骤(2)的具体计算过程为：灰度值作为灰度图像最直观的信息，用向量表示图像灰度直方图，N为图像灰度的区间数；

在图像处理中利用离散点的差分形式来代替相关微分运算：

式中，图像中像素点的灰度用函数表示，矢量灰度图的梯度则用标量函数表示；

目标的像素点的坐标位置用表示，像素点的梯度模值由下式可得：

公式中，坐标处像素点的灰度用来表示，由上式可知梯度值空间，将梯度值空间划分为M层数据区间，特征向量用表示，通过加权归并特征向量X、Y，形成新的特征向量用，显然梯度特征的权重，通过调节的大小来调节多特征的比重；混合特征向量，K=N+M。

3.根据权利要求1所述的一种基于自适应窗的灰度目标跟踪方法，其特征在于：所述步骤(3)具体为：根据目标的初始窗口的大小和位置，利用高斯分布产生k-1时刻初始化粒子集 ，i为粒子序号，表示粒子状态，权值初始化为；根据初始化粒子集计算粒子到粒子集中心的平均距离 。

4.根据权利要求1所述的一种基于自适应窗的灰度目标跟踪方法，其特征在于：所述步骤(7)具体为：

计算权值较大粒子到粒子集中心的平均距离；

计算跟踪窗口的长和宽：

 ，其中和分别为前一帧和当前帧粒子到粒子集中心的平均距离。