[发明专利]基于认知网络的目标跟踪方法

说明书

本发明属于目标识别与跟踪领域，具体为一种基于认知网络的目标跟踪方法。建立目标模板的局部直方图模型序列来对目标进行描述，将目标侯选区的局部直方图模型输入到认知网络中进行匹配计算，将最大匹配值的侯选区的中心位置确定为目标中心位置，实现运动目标的跟踪，提高跟踪方法对于目标平移、旋转和缩放的不变性。本发明可应用于实时监控系统中。

技术领域

本发明属于目标识别与跟踪领域，涉及一种运动目标跟踪方法，特别涉及一种采用认知网络实现运动目标跟踪的方法。

背景技术

运动目标的识别与跟踪在视频监控、安防等领域中有着广泛的应用。由于运动目标的复杂性，一般要求跟踪算法能够适应目标平移、旋转缩放等变化，因此对跟踪算法的性能提出了较高要求。尽管Meanshift、Camshift等跟踪算法能够满足跟踪实时性以及目标缩放变化的要求，但通常要求目标与背景具有显著性差异，否则很难满足有效跟踪。认知网络是一种用于联想记忆的网络模型，由于其具有较好的联想性能，在图像联想记忆中取得较好应用，但基本的认知网络还不能直接应用于目标跟踪中。

因此，通过对认知网络的改进，设计一种实现运动目标跟踪的方法来提高运动目标的跟踪性能具有很好的应用价值。

发明内容

本发明所要解决的技术问题是，为提高运动目标跟踪性能，设计一种基于认知网络的目标跟踪方法，提高目标跟踪性能。

本发明所采用的技术方案是：一种基于认知网络的目标跟踪方法，建立目标模板的局部直方图模型序列来对目标进行描述，将目标侯选区的局部直方图模型输入到认知网络中进行匹配计算，将最大匹配值的侯选区的中心位置确定为目标中心位置，实现运动目标的跟踪，提高跟踪方法对于目标平移、旋转和缩放的不变性。

本发明的目的在于构造一种基于认知网络的目标跟踪方法，能够提高跟踪系统对目标平移、缩放、旋转的不变性，具有很好的实用性。

附图说明

图1是跟踪网络结构图。

图2是采用本发明方法进行跟踪所得结果图。

具体实施方式

下面结合实施例和附图对本发明作进一步详细说明。

目标模型的建立方法有很多种，其中直方图表示方法具有计算量小、描述简单的特点，在实时跟踪系统中得到广泛应用。因此，本发明也采用直方图模型对目标模型进行描述。本发明方法按照距离中心远近建立目标的多个局部直方图模型。设目标模板半径为R，距离目标模板中心距离为r的区域的局部色度直方图模型为q′^r＝{q′^r_u}，u＝1，2，...，m：

其中，m为像素色度划分等级数，u为色度等级变量，b_r(x_i，y_i)为距离模板中心为r的像素点(x_i，y_i)的色度等级值，s为距离目标模板中心距离为r的区域内的像素总数量，函数δ(·) 定义为：

归一化后的直方图模型为：

设目标候选区域的半径为R′，R′＞R，则距离候选区中心距离为r的区域的局部色度直方图模型为p′_r＝{p′^r_u}，u＝1，2，...，m：

归一化后的直方图模型为：