[发明专利]基于结构化数据模型的分布式目标跟踪方法

权利要求书

1.基于结构化数据模型的分布式目标跟踪方法，其特征在于，

步骤A)图像采集，基于梯度直方图提取图像特征：

在两种分辨率上对采集到的图像分别提取梯度直方图特征，可得到节点的原始图像特征φ(H,x_j)，其中H表示梯度直方图特征金字塔，j∈0,...,n；

步骤B)基于可变部分模型提取结构化目标信息：

可变部分模型方法在于将当前帧上目标某一视角的外观视作由一个根节点x₀和n个可形变部分节点(x₁,...,x_n)构成的图模型；由于部分是可形变的，对于部分节点采用相对于模型锚点Anchor的位移来衡量形变；将根滤波器(Root Filter)和部分滤波器PartFilter分别计算得分并通过动态规划方法计算形变惩罚，最后即可得到该视角模型出现在某一位置假设可信度的线性表达形式：

其中分别为模型的滤波器参数和结构化参数，b_c为一阶偏移量，φ(H,x_n)为提取的梯度直方图特征；

步骤C)基于动态条件随机场进行单目相机目标跟踪；

步骤D)将前端结构化数据通过网络传输至后端平台：

由于不是直接传输图像，结构化数据量非常稀疏，且不需要实时传输，间隔数帧定时发送即可；

步骤E，在服务器端使用在线隐支持向量机学习更新模型：

隐支持向量机方法学习一个半凸函数的目标函数：

其中β为模型参数，f_β(·)及结构的函数表示。通过隐支持向量机方法在服务器端对模型参数进行学习和更新；

步骤F)将更新后的参数下发至前端：

在服务器端学习以后，得到新的和b_c，下发至前端以保证目标跟踪的性能。

2.如权利要求1所述的方法，其特征在于，所述步骤C中，具体如下：

步骤C1)将星状的可变部分模型视为条件随机场，两帧图像间的目标条件随机场模型就可以建模为一个动态条件随机场。该随机场由模型滤波后的结果构成的单势函数，节点的形变惩罚构成的空间互势函数，以及节点帧间的时域互势函数构成；

步骤C2)节点的形变惩罚函数为：

其中dx和dy为空间位移形变；时域互势函数为：

式中y表示与节点x邻接的上帧节点，s_t(x)表示节点x出现，G(·；Σ)为高斯核函数；

步骤C3，结合空间势函数和时间势函数，得到每个节点基于当前观察的出现概率p(s_t+1|o_1:t+1)的近似下界：

。