[发明专利]基于视频图像的目标实时追踪方法及其装置

权利要求书

1.一种基于视频图像的目标实时追踪方法，其特征在于，包括：

图像获取步骤：获取当前帧图像数据；

跟踪目标参考帧位置确定步骤：从之前的已知跟踪目标位置的图像数据中选取至少一帧作为参考帧，并获取跟踪目标在所述参考帧中的位置(Rect0)；

跟踪目标当前位置计算步骤：基于跟踪目标在参考帧图像数据中的位置(Rect0)计算跟踪目标在当前帧的位置(Rect1)；

跟踪目标验证步骤：计算当前帧位置(Rect1)像素矩阵的特征矩阵，基于该特征矩阵利用验证模型计算跟踪目标在该当前帧位置(Rect1)上的验证概率(p2)，如果验证概率(p2)大于预设验证阈值(T2)，则该当前帧的位置(Rect1)为所述跟踪目标在该当前帧的位置。

2.如权利要求1所述的目标实时追踪方法，其特征在于，如果验证概率(p2)小于预设验证阈值(T2)，则该当前帧的位置(Rect1)非所述跟踪目标在该当前帧的位置。

3.如权利要求1所述的目标实时追踪方法，其特征在于，还包括：

窗口滑动步骤：基于与选取的参考帧相同的预设规则对获取的当前帧图像滑动窗口形成多个窗口；

多尺度矩形特征(U)提取步骤：提取各窗口中各像素块的多尺度矩形特征U＝{U(1)，U(2)，U(3)……U(m)}，其中，m为正整数，U(m)为各窗口中第m个像素块的多尺度矩形特征；

所述跟踪目标当前位置计算步骤包括：

将各窗口中各像素块的多尺度矩形特征U＝{U(1)，U(2)，U(3)……U(m)}代入预设分类器，并求取各像素块的跟踪检测值(p1)；

查找跟踪检测值(p1)的极大值，所述跟踪检测值(p1)的极大值所对应的像素块即为跟踪目标在该当前帧的位置(Rect1)。

4.如权利要求3所述的目标实时追踪方法，其特征在于，所述验证模型为P-N分类器，所述P-N分类器包括用于表征跟踪目标特征信息的目标队列(P)和用于表征背景信息的背景队列(N)；

所述跟踪目标验证步骤包括：

获取目标队列(P)；

获取背景队列(N)；

计算当前帧跟踪目标位置(Rect1)像素块的多尺度矩形特征与目标队列(P)的相关函数，并查找目标队列最大相关函数值；

计算当前帧跟踪目标位置(Rect1)像素块的多尺度矩形特征与背景队列(N)的相关函数，并查找背景队列最大相关函数值；

根据目标队列最大相关函数值和背景队列最大相关函数值求取所述验证概率(p2)。

5.如权利要求3所述的目标实时追踪方法，其特征在于，还包括：

基于当前帧位置(Rect1)像素矩阵的特征矩阵利用连贯度模型计算用于表征跟踪目标形态变化的形态连贯度(p3)；

如果所述形态连贯度(p3)在预设连贯范围内，则对所述验证模型和/或预设分类器进行更新。

6.如权利要求5所述的目标实时追踪方法，其特征在于，所述连贯度模型包括：用于表征跟踪目标特征信息的目标队列(P)和用于表征背景信息的背景队列(N)；

所述形态连贯度(p3)的计算方法包括：

获取目标队列(P)；

获取背景队列(N)；

从获取的目标队列(P)中选取若干元素构成验证队列，并计算当前帧跟踪目标位置(Rect1)像素块的多尺度矩形特征与所述验证队列的相关函数，并查找验证队列最大相关函数值；

计算当前帧跟踪目标位置(Rect1)像素块的多尺度矩形特征与背景队列(N)的相关函数，并查找背景队列最大相关函数值；

根据目标队列最大相关函数值和背景队列最大相关函数值求取所述形态连贯度(p3)。

7.如权利要求5所述的目标实时追踪方法，其特征在于，所述对验证模型更新包括：

从当前帧跟踪目标位置(Rect1)的邻域内随机采样若干正样本构成正样本队列(PL)；正样本队列(PL)中各元素所占权值(PV)与该元素到当前帧跟踪目标位置Rect1的距离成反比。

8.如权利要求1-7任意一项所述的目标实时追踪方法，其特征在于，还包括：

偏移量估计步骤：根据跟踪目标在当前帧和参考帧的坐标计算跟踪目标的偏移量，所述偏移量包括水平位移、垂直位移、和/或尺度偏移。