[发明专利]基于聚类子区域关联的稳定特征挖掘和目标跟踪方法

权利要求书

1.一种基于聚类子区域关联的稳定特征挖掘和目标跟踪方法，其特征在于，包括步骤如下：

步骤一：利用迭代阈值背景差分和自动背景更新检测目标运动区域，根据该区域V，Value色彩分量直方图峰轮廓、候选峰、区域峰和残余峰能量，获得聚类数；

步骤二：构建目标区域运动像素的S和V色彩矩阵，并进行类数自适应的K-means聚类；

步骤三：标记每个类连通子区域，并建立子区域模板、观测模型和增量模型描述；

步骤四：建立目标模板和当前观测模型子区域间关联，挖掘“模板-观测”稳定子区域特征对和模板特征变化率；

步骤五：加权融合各稳定子区域形心位移，获得目标当前轨迹，并根据稳定特征的加权平均增量变化率，逐帧更新目标模板；

所述步骤一中自适应获得聚类数步骤：

1a.提取目标运动检测区域的V色彩分量直方图峰轮廓；

1b.利用窗口长为n的中值滤波平滑峰轮廓，以突出主峰f_t^l1；其中n取大于等于2的整数，l1＝1,2…,L1为主峰数目；

1c.选择大于β倍主峰均值的f_t^l1作为候选峰如公式(1)，其中β∈[1,1.8]为尺度因子，l2＝1,2…,L2为候选峰数目；

1d.累加小于主峰均值的f_t^l1获得残余峰能量SUM_t和残余率RES_t，如公式(2)～(3)；

1e.当相邻候选峰和对应的V色彩分量差分满足时，和均被作为确定区域峰；当时，保留中较大峰作为临时区域峰，并将序号赋值为l2+1，即重复该过程，依次将临时区域峰与下一相邻峰进行比较，并重复max赋值过程，直到成立，此时的较大峰方可被作为确定区域峰；确定区域峰数目即为聚类数K_t；当RES_t＞α₂时，增加一个聚类，即其中阈值α₁≥10,α₂≥0.3。

2.根据权利要求1所述的基于聚类子区域关联的稳定特征挖掘和目标跟踪方法，其特征在于，所述步骤二中对目标区域运动像素x的S和V色彩分量S_t(x),V_t(x)构建M×2样本矩阵并进行自适应K-means聚类，获得聚类结果D_t(n)，如公式(4)～(5)；其中n∈[1,M]为运动像素数目，C_t(1),C_t(2),…,C_t(k),…,C_t(K_t)为类质心强度；

3.根据权利要求1所述的基于聚类子区域关联的稳定特征挖掘和目标跟踪方法，其特征在于，所述步骤三中对每个类连通子区域4或8邻域连通编号标记，并建立子区域模板观测模型增量模型“模板-观测”稳定子区域特征对模型：和其中下标x,A,S,V,A_ratio和SV_ratio分别表示子区域形心、面积、S色彩分量平均值、V色彩分量平均值、面积变化率和色彩变化率；r1∈[1,N1]、s1∈[1,N2]和m∈[1,N3]分别为和的子区域序号和数目；计算如公式(6)，同理计算其中为第r1个子区域对应的

4.根据权利要求1所述的基于聚类子区域关联的稳定特征挖掘和目标跟踪方法，其特征在于，所述步骤四中根据模板差分形心距离面积变化率和色彩变化率建立目标模板和当前观测模型F_t^s1子区域间关联，挖掘“模板‐观测”稳定子区域特征对并获得模板稳定子区域增量如公式(7)～(11)；其中λ₂∈(0,0.35]和λ₃∈(0,0.2]为阈值；