[发明专利]一种基于蝙蝠算法的视频目标跟踪方法

说明书

技术领域

一种基于蝙蝠算法的视频目标跟踪方法，属于运动目标跟踪技术领域。

背景技术

目标跟踪技术是计算机视觉领域的研究热点和难点。目标跟踪主要目的是获得运动目标的实时状态，为后续的视觉分析和行为理解提供依据。目标跟踪已广泛应用于智能视频监控、智能人机交互、视频压缩编码、机器人视觉导航、精确制导系统等领域，具有极为广阔的理论和实际研究价值。

虽然研究人员对目标跟踪开展过大量研究，提出了诸多目标跟踪算法。文献(Yilmaz,O.Javed,andM.Shah.“ObjectTracking:ASurvey”.ACMCOMPUTSURV,38(4):1-45(2006))和文献(Y.Wu,J.W.Lim,andM.H.Yang.“ObjectTrackingBenchmark”.IEEETPATTERNANAL,37(9):1834-1848(2015))对近20年的目标跟踪算法进行了综述。但是，由于复杂多变的外界环境，目标跟踪仍然是计算机视觉领域内的研究热点和难点问题之一。如何在复杂多变的环境下设计一个准确、实时、鲁棒的目标跟踪算法仍然是一个亟待解决的难题。

运动目标跟踪可以理解为通过目标的有效表达，在连续的图像序列中寻找与目标状态最相似的候选目标区域的过程。因此，运动目标的特征建模和搜索策略是目标跟踪算法的两个关键因素。

近年来，目标的特征建模技术获得了很大的发展，学者们提出了诸多行之有效的目标建模方法。文献(X.Li,W.Hu,C.Shen,Z.Zhang,A.Dick,A.vandenHengel.“Asurveyofappearancemodelsinvisualobjecttracking”[J].ACMTransactionsonIntelligentSystemsandTechnology(TIST)，4(4):1-58(2013))对目标的特征建模技术进行了详细的综述。

相比较目标建模技术，目标的搜索策略没有得到足够的重视和研究。在目标跟踪过程中，直接对场景中可能存在目标的区域进行匹配和搜索，寻找最佳匹配位置，需要处理大量的冗余信息，运算耗时。采用合适的搜索策略，通过对未来时刻目标的状态进行估计和假设，缩小目标搜索范围具有非常重要的意义。

根据目标搜索方式的不同,目标跟踪可以分为基于均值漂移和基于粒子滤波两种跟踪方法。基于均值漂移的跟踪算法以目标初始位置为起点，沿着密度梯度下降最快的方向移动，得到新的位置，再以新的位置作为起点寻找下一个新的位置，算法逐次迭代，直到收敛到目标位置。基于粒子滤波的目标跟踪算法用一组离散的粒子来近似系统随机变量的概率密度函数，以样本均值代替积分运算，从而获得状态最小方差估计。

基于均值漂移的目标跟踪算法本质上是一种基于梯度下降的寻优算法，但在目标跟踪过程中没有充分利用目标在空间中的运动方向和速度等信息，当周围环境存在干扰时，容易陷入局部最优，造成目标丢失。基于粒子滤波的目标跟踪算法没有充分利用当前的观测信息，粒子经过运动模型传播后，没有根据观测信息实时更新搜索空间中的粒子状态，并且重采样的引入容易引起粒子匮乏现象，导致目标丢失。

蝙蝠算法(Batalgorithm，BA)是由剑桥大学杨新社博士提出的一种模拟蝙蝠回声定位行为的新颖的群智能优化算法(X.S.Yang,“Anewmetaheuristicbat-inspiredalgorithm”[M].Natureinspiredcooperativestrategiesforoptimization(NICSO2010).SpringerVerlag.284:65-74(2010))。该算法具有模型简单、收敛速度快、可并行处理等特点。作为一种新的智能优化算法，蝙蝠算法正在逐步被人们应用在各种优化领域，并取得了不错的效果。但截止到目前，还没有被应用在目标跟踪领域。

发明内容

本发明所要解决的技术问题是：克服现有技术的不足，提供一种在复杂多变的环境下准确、实时、鲁棒的视频目标跟踪方法。

本发明解决其技术问题所采用的技术方案是：该基于蝙蝠算法的视频目标跟踪方法，其

特征在于：包括以下步骤：

步骤1，在视频初始帧图像中，选定目标，确定目标初始状态矢量；

步骤2，根据目标的状态矢量，建立目标的核函数加权颜色模型；

步骤3，利用蝙蝠算法，在下一帧图像中，对目标的最优位置进行优化搜索；