[发明专利]多源目标的空间直方图表示与跟踪方法

说明书

本发明公开一种多源目标的空间直方图表示与跟踪方法，其以二阶空间直方图为目标表示模型，对多个视频源目标进行表示，并将它们的相似度进行加权融合来构建目标函数；然后，依据核跟踪推理机制导出多源目标的联动位移公式；最后，使用均值漂移程序实现多源目标的自动快速搜索。本发明适应于任意多个视频源的跟踪，并具有快速而统一的特点。

技术领域

本发明涉及计算机视觉跟踪技术领域，具体涉及一种多源目标的空间直方图表示与跟踪方法。

背景技术

目标跟踪是完成视觉监控、人机交互、车辆导航等诸多视频场景分析和理解任务的前提和基础。目前，实现目标跟踪的途径主要有两种：单源跟踪和多源跟踪。所谓单源跟踪是指对来源于一个视频源的目标对象进行跟踪，其主流方法有核密度估计、模式分类、稀疏表示和子空间分析等。多源跟踪是指对来源于两个或两个以上视频源中的同一目标对象进行跟踪。由于多源跟踪是通过多种图像传感器对同一运动目标进行不同方位和不同特性的描述和记录，并对它们的数据进行联合来完成跟踪的，因而其时空覆盖范围要比单源跟踪方法更广、生存能力能要更强、可信度要更高。

论文“Fusion tracking in color and infrared images using joint sparserepresentation(使用联合稀疏表示融合跟踪可见光与红外目标)”(发表于《ScienceChina:Information Science(中国科学：信息科学)》)提出采用联合稀疏特征表示的方法对红外和可见光目标进行特征级融合跟踪。论文“A new tracking approach for visibleand infrared sequences based on tracking-before-fusion(一种新的基于先跟踪后融合策略的可见光与红外目标跟踪方法)”(发表于《International Journal of Dynamics&Control(国际动力与控制学学报)》)提出了先单独采用粒子滤波跟踪可见光目标，模板匹配法跟踪红外目标，然后将两者的跟踪结果进行联合决策的先跟踪后融合策略。论文“Acompressive tracking based on time-space Kalman fusion mode(基于时空卡尔曼融合模型的压缩跟踪方法)”(发表于《Science China:Information Science(中国科学：信息科学)》)提出了基于卡尔曼滤波和压缩感知的红外与可见光目标时空融合跟踪算法。不难看出，当前的多源跟踪方法大多是在粒子滤波框架下实现的，其时间复杂度普遍较高，且都只限于跟踪红外与可见光的两种视频源。论文“Thermo-visual feature fusion forobject tracking using multiple spatiogram(针对基于空间直方图的目标跟踪中的红外-可见光特征融合)”(发表于《Machine Vision and Applications(机器视觉与应用)》)虽然提出了基于多个空间直方图连乘的决策级融合跟踪方法，但其连乘方式会出现因为其中任何一个跟踪器失效而使全局失效的问题。因此，有必要发明一种能跟踪多个视频源的快速而统一的方法。

发明内容

本发明所要解决的是现有多源跟踪方法存在时间久和易于失效的问题，提供一种多源目标的空间直方图表示与跟踪方法。

为解决上述问题，本发明是通过以下技术方案实现的：

多源目标的空间直方图表示与跟踪方法，包括步骤如下：

步骤1、读入N个视频源，通过手工在第一个视频源的第1帧中框选出候选目标，并得到该候选目标的初始中心位置z₀；初始化权重系数其中0＜α_k＜1；

步骤2、计算每个视频源的参考空间直方图

步骤3、读入下一帧，并计算每个视频源基于初始中心位置z₀的候选空间直方图

步骤4、计算每个视频源的候选空间直方图和参考空间直方图之间的相似度