[发明专利]一种基于高斯混合模型的目标跟踪加速方法和系统

权利要求书

1.一种基于高斯混合模型的目标跟踪加速方法，其特征在于，包括：

步骤1、获取具有待跟踪目标的图像信息，在该图像信息中的目标候选区域提取特征向量，并对该特征向量进行降维处理，生成训练数据；

步骤2、使用该训练数据，训练高斯混合模型，并使用该高斯混合模型对该特征向量的置信水平进行评估，得到该特征向量的第一置信水平，同时根据当前目标跟踪算法所使用的观察模型对该特征向量的置信水平进行评估，得到该特征向量的第二置信水平；

步骤3、若该第一置信水平、该第二置信水平的线性组合结果小于预先设定的置信水平阈值，则判断该第一置信水平是否大于第一预设阈值且该第二置信水平小于第二预设阈值，若是则更新该观察模型；否则继续判断该第一置信水平是否小于第一预设阈值且该第二置信水平大于第二预设阈值，若是则更新该高斯混合模型；否则扩大该目标候选区域，再次进行跟踪。

2.如权利要求1所述的基于高斯混合模型的目标跟踪加速方法，其特征在于，该步骤3还包括：

步骤31、若该第一置信水平、该第二置信水平的线性组合结果大于等于预先设定的置信水平阈值，则保持该观察模型。

3.如权利要求1所述的基于高斯混合模型的目标跟踪加速方法，其特征在于，该步骤3还包括：

步骤21、通过梯度下降法训练该观察模型的全连接层，以对该观察模型进行更新。

4.如权利要求1所述的基于高斯混合模型的目标跟踪加速方法，其特征在于，该步骤2还包括：采用最大期望算法训练该高斯混合模型。

5.一种基于高斯混合模型的目标跟踪加速系统，其特征在于，包括：

特征向量提取模块、用于获取具有待跟踪目标的图像信息，在该图像信息中的目标候选区域提取特征向量，并对该特征向量进行降维处理，生成训练数据；

置信水平评估模块、用于通过该训练数据，训练高斯混合模型，并使用该高斯混合模型对该特征向量的置信水平进行评估，得到该特征向量的第一置信水平，同时根据当前目标跟踪算法所使用的观察模型对该特征向量的置信水平进行评估，得到该特征向量的第二置信水平；

模型更新判断模块、用于分析若该第一置信水平、该第二置信水平的线性组合结果小于预先设定的置信水平阈值，则判断该第一置信水平是否大于第一预设阈值且该第二置信水平小于第二预设阈值，若是则更新该观察模型；否则继续判断该第一置信水平是否小于第一预设阈值且该第二置信水平大于第二预设阈值，若是则更新该高斯混合模型；否则扩大该目标候选区域，再次进行跟踪。

6.如权利要求5所述的基于高斯混合模型的目标跟踪加速系统，其特征在于，该模型更新判断模块还包括：若该第一置信水平、该第二置信水平的线性组合结果大于等于预先设定的置信水平阈值，则保持该观察模型。

7.如权利要求5所述的基于高斯混合模型的目标跟踪加速系统，其特征在于，该模型更新判断模块还包括：通过梯度下降法训练该观察模型的全连接层，以对该观察模型进行更新。

8.如权利要求5所述的基于高斯混合模型的目标跟踪加速系统，其特征在于，该置信水平评估模块还包括：采用最大期望算法训练该高斯混合模型。