[发明专利]基于人脑记忆机制的时空上下文目标跟踪方法

权利要求书

1.基于人脑记忆机制的时空上下文目标跟踪方法，其特征在于：

包括如下步骤：

步骤1：初始化记忆空间和跟踪窗口

初始化两层记忆空间，两层记忆空间分别用来保存目标匹配模板参数q_t、时空上下文关系，每一层均构建为瞬时记忆空间、短时记忆空间和长时记忆空间；

步骤2：学习第一帧空间上下文模型

在步骤1已知初始目标跟踪窗口的情况下求得置信图，由第一帧的置信图和上下文先验概率计算出第一帧的空间上下文模型，第一帧的空间上下文模型同时作为下一帧时空上下文模型；

步骤3：目标定位

由时空上下文模型计算置信图，找到最大值，即为目标位置，但是由于置信图的误差特性，目标位置可能位于置信图的第二大或者其他位置，所以选取置信图最大的N个位置作为目标中心位置候选点，求置信图最大位置公式为：

其中，为时空上下文模型，为上下文先验概率，F和F^-1分别表示傅里叶和反傅里叶变换；

目标位置候选点的计算公式为：

即寻找置信图中的最大值位置为目标位置候选点；

步骤4：计算目标位置候选点彩色直方图特征

计算求得N个候选目标跟踪窗的彩色直方图特征，以及N个彩色直方图特征与记忆空间存储的彩色直方图特征的相似度，取相似度最大的候选点作为当前帧的跟踪结果；

步骤5：更新记忆空间

根据匹配规则更新记忆空间和时空上下文模型，为下一帧目标的预测和跟踪做准备，具体匹配更新过程如下：

(1)瞬时记忆空间存储

视频输入为当前帧图像，将当前帧的彩色直方图特征存储于瞬时记忆空间；

(2)短时记忆空间匹配

当前模板存储于短时记忆空间的第一个位置，将瞬时记忆空间存储的彩色直方图特征与短时记忆空间中的S个模板依次进行匹配，计算出瞬时记忆空间存储的彩色直方图特征与短时记忆空间中的第一个模板的相似度ρ，定义当前模板的匹配阈值为T_c，如果ρT_c，则定义匹配成功，否则定义为匹配失败，若匹配失败则与短时记忆空间的后S-1个模板依次进行匹配；

定义短时记忆空间后S-1个模板的匹配阈值为T_s，如果ρT_s，则定义匹配成功，否则定义为匹配失败，若在短时记忆空间中匹配成功，则根据当前模板对彩色直方图特征进行更新，如下式所示：

q_t＝(1-ε)q_t-1+εp (3)

其中，q_t为当前帧的目标匹配模板参数，p是瞬时空间的彩色直方图特征，ε是更新速率，

如果短时记忆空间中的S个模板匹配都不成功，将短时记忆空间中最后一个模板记为M_K，同时与长时记忆空间中的模板进行匹配；

(3)长时记忆空间匹配

若(2)中匹配失败，将瞬时记忆空间存储的彩色直方图特征与长时记忆空间中的S个模板依次进行匹配，计算相似度ρ，定义长时记忆空间模板的匹配阈值为T_l，如果ρT_l，则定义匹配成功，否则定义为匹配失败；

如果找到匹配，根据公式(3)更新匹配模板，同时在M_K不可记忆的情况下提取匹配的模板，并遗忘M_K，在M_K可记忆的情况下，交换匹配模板和M_K；

如果长时记忆空间中也不存在匹配模板，则将彩色直方图特征存储在短时记忆空间的第一个位置作为当前模板，在M_K不可记忆的情况下遗忘M_K；在M_K可记忆且长时记忆空间未满的情况下把M_K记忆到长时记忆空间；在M_K可记忆且长时记忆空间已满的情况下，比较M_K与长时记忆空间模板的权重，遗忘权重小的模板，

此外，当第一层记忆空间中的目标匹配模板参数q_t进行更新时，第二层记忆空间中的时空上下文模型也同时进行更新，更新规则如下式所示：

其中，是上一帧时空上下文模型，是上一帧空间上下文模型，是当前帧时空上下文模型，ε是更新速率。