[发明专利]一种自适应尺度的时空上下文目标跟踪方法

权利要求书

1.一种自适应尺度的时空上下文目标跟踪方法，其特征在于，包括以下步骤：

S1、提取目标区域的颜色直方图特征和梯度直方图特征，建立空间上下文模型；

S2、利用空间上下文模型更新下一帧时空上下文模型，进而更新目标置信图，并求得目标置信图的最大似然概率位置作为目标位置；

S3、通过更新目标尺度来自适应追踪后续帧的目标位置。

2.根据权利要求1所述的一种自适应尺度的时空上下文目标跟踪方法，其特征在于，所述提取目标区域的颜色直方图特征和梯度直方图特征，具体包括：

颜色直方图采用HSV颜色，H表示色调，S表示饱和度，V表示亮度，由于V对光照强度非常敏感，因此仅对H和S分量建立颜色直方图；为了描述目标区域的空间位置信息，对V分量建立梯度直方图模型。

3.根据权利要求2所述的一种自适应尺度的时空上下文目标跟踪方法，其特征在于，颜色直方图表示为：

其中，||·||表示取范数；X表示目标区域的中心像素；X_i表示第i个像素，i＝1,2,...n；k(·)为高斯核函数；δ(·)是狄拉克函数；b(X_i)表示X_i在颜色直方图上的颜色值；u为颜色直方图中颜色索引，且取值区间为[1,n]；h为核带宽；n为目标区域内的像素个数。

4.根据权利要求3所述的一种自适应尺度的时空上下文目标跟踪方法，其特征在于，梯度直方图表示为：

其中，m(x,y)为像素点(x,y)的梯度，θ(x,y)为像素点(x,y)的方向，θ(x,y)的范围为[-π,π]，通过统计每个像素的梯度幅度值，p的取值区间为[0～7]。

5.根据权利要求1所述的一种自适应尺度的时空上下文目标跟踪方法，其特征在于，步骤S2具体包括：假设已获得的第t帧空间上下文模型h_t(z)，则第t+1帧的时空上下文模型H_t+1(z)的更新如下：

H_t+1(z)＝(1-ρ)H_t(z)+ρh_t(z)

其中，ρ是一个学习速率参数。

第t+1帧中目标置信图l_t+1(z)的表达式为：

其中，F^-1(·)是逆傅立叶变换；F(·)是傅立叶变换；⊙表示点乘；I_t+1(z)表示t+1帧时点z处的灰度值；表示权重函数，通常距离越近的点权重值越大。

目标的中心位置是目标置信图的概率最大值，表达式为：

其中，表示围绕的相邻区域。

6.根据权利要求1所述的一种自适应尺度的时空上下文目标跟踪方法，其特征在于：目标尺度更新方案包括：

s′_t表示利用连续两帧图像估计的目标尺度，将s′_t初始值设置为1，因为两个连续帧之间的尺度变化是连续和微小的，为了防止尺度因子的突变，引入一个更新因子v(s_t)，公式如下：

因此，最终更新的目标尺度表示为：

其中，表示第t帧目标置信图的概率最大值，l_t(·)表示目标置信图，s_t+1是第t+1帧中估计目标尺度，是连续n帧的尺度平均值，λ是固定滤波参数，d是步长参数，σ_t+1是第t+1帧中的尺度参数；n为目标区域内的像素个数。