[发明专利]基于视觉注意机制的TLD目标跟踪方法

权利要求书

1.一种基于视觉注意机制的TLD目标跟踪方法，其特征在于，以原始TLD算法为原型，融入视觉注意机制显著提取，再对TLD算法的集成分类器进行建模，算法结合设计包括如下步骤：

步骤一：对TLD的检测模块进行视觉注意机制的显著区域提取能够排除非显著区域的干扰，通过视觉显著性可有效筛选显著信息，形成视觉显著图，再对显著图进行分类；利用k均值聚类的方法，将视觉显著图的颜色分布进行简单分类将颜色差不多的像素点归于一类，自然图像中颜色呈正态性分布，即p(x|ω_i,θ_i)～N(μ_i,Σ_i)，因此用多元正态分布来构建图中像素颜色的直方图，根据高斯混合模式(Gaussian Mixture Models)计算图像中每个像素颜色的概率分布如公式(2)：

其中ω_c表示像素x标记为C类的权值，μ_c为标记C类颜色的均值，Σ_c为协方差矩阵，I_x为x的像素值，设ω_c＝1/c，再通过期望值最大算法，可求得个参数的实际值，再代入公式(3)：

其中x_h,x_v分别为像素x的横纵坐标，G_h,G_v分别为像素颜色分布的中心位置，M_c为中间变量；

步骤二：再对TLD算法的检测模块进一步优化，集成分类器建立目标模型和背景模型，再将集成分类器的输出作为最近邻分类器的输入，筛选出相似样本；中集成分类器赋予每个窗口一个后验概率，当后验概率大于百分之50时，表明扫描窗口与目标有相似特征，找到相似候选区域，经过筛选进入最近邻分类器，通过后验概率的大小判断当前扫描窗口是否需要进入下一级分类器，如果概率小于百分之50，则舍弃，集成分类器原理，利用颜色直方图构建的模型能有效缓解快速旋转下的背景干扰问题，接着建立目标颜色图像的概率模型，根据颜色直方图提取的显著区域，利用集成分类器对目标像素和背景像素进行建模，如公式(4)：

其中O，B分别表示目标像素区域和背景像素区域，P(b_c|c∈O)表示O中像素c属于区间b_c的直方图概率，P(b_c|c∈Ω)表示像素空间Ω中属于区间b_c的直方图概率，P(c∈O|O,B,b_c)为集成分类器模型；

将集成分类器的输出作为集成分类器的输入，选择其中一个分类结构，从结构中计算待分类样本与已分类样本的距离关系，从中找到K个距离相同的样本类别，出现频率较高的类别样本为筛选出的相似样本，最近邻分类器是检测模块的最后一级分类器，通过计算待分类样本与样本库中正、负样本模型的相关相似度进行分类，相关相似度的计算方法如公式(5)：

其中S^r为样本相似度，S⁺为正样本近邻相似度，S^-为负样本近邻相似度。

2.根据权利要求1所述的基于视觉注意机制的TLD目标跟踪方法，其特征在于：给予视觉注意机制的显著区域提取是先对每个特征的不同尺度的特征图进行归一化处理，形成一幅该特征的综合显著图，然后再将不同特征的显著图进行归一化处理获得最好的视觉显著图。

3.根据权利要求1所述的基于视觉注意机制的TLD目标跟踪方法，其特征在于：步骤二中，对集成分类器建立目标模型和背景模型，并对模型进行更新，避免因遮挡和尺度变化导致跟踪漂移，提高目标跟踪的稳定性。