[发明专利]一种模糊视觉条件的图像增强与目标跟踪方法和系统

权利要求书

1.一种模糊视觉条件的图像增强与目标跟踪方法，其特征在于，包括如下步骤：

(1)建立智能视觉监控实验演示系统，输入雾天模糊图像视频资源样本；

(2)构建自适应调整参数的Retinex雾天视频增强算法，增强对雾天环境视频图像的渲染；

(3)构建具有增量学习能力的Adaboost算法，实时检测与跟踪雾天视频中的运动目标；

(4)构建基于多示例集成学习的运动目标实时检测与跟踪方法。

2.根据权利要求1所述的一种模糊视觉条件的图像增强与目标跟踪方法，其特征在于，所述的构建Retinex雾天视频增强算法，通过建立所述增强算法参数与不同景深图像的变化的联系，完成双边Retinex算法参数的自选。

3.根据权利要求2所述的一种模糊视觉条件的图像增强与目标跟踪方法，其特征在于，所述雾天视频增强算法的内容为：划分待增强图像为若干块，针对划分后的每个子块分别进行自适应Retinex增强算法处理。

4.根据权利要求1所述的一种模糊视觉条件的图像增强与目标跟踪方法，其特征在于，所述构建具有增量学习能力的Adaboost算法模型还包括构建Adaboost集成分类器，结合粒子滤波器，创建具有增量集成学习能力的目标跟踪计算模型以及对应方法。

5.根据权利要求1所述的一种模糊视觉条件的图像增强与目标跟踪方法，其特征在于，所述具有增量学习能力的Adaboost算法内容包括：

(11)将已经过训练的弱分类器分为a组，每个小组包含b个弱分类器，针对在线新增的训练样本，在线从每组选择最优弱分类器作为该组的亚强分类器；

(12)在线计算或更新已挑选的亚强分类器的权值；

(13)针对所有的亚强分类器进行加权求和，完成强分类器的在线调整。

6.根据权利要求5所述的一种模糊视觉条件的图像增强与目标跟踪方法，其特征在于，针对任意在线新增样本<x，y>，采用所有的弱分类器在线分类，根据结果统计每个弱分类器p_a，b的当前分类误差Ψ_a，b；针对任意弱分类器组，选择当前分类误差Ψ_a，b最小的弱分类器作为所述弱分类器组的亚强分类器p_a，再通过下式计算p_a的线性组合权值λ_a：

上式(1)的ω_a为亚强分类器p_a的当前分类差。

7.根据权利要求5所述的一种模糊视觉条件的图像增强与目标跟踪方法，其特征在于，针对任意新增样本<x,y>，设置初始权值R₀＝1，针对第a个亚强分类器p_a的权值R_a，根据下式计算：

根据式(2)的任意新增样本，采用R_a根据下式定义每个弱分类器p_a,b的当前分类误差Ψ_a,b：

式(3)的R_a,b和S_a,b分别代表所述弱分类器正确分类的样本权重以及错误分类的样本权重，具体计算如下式所示：

8.根据权利要求5所述的一种模糊视觉条件的图像增强与目标跟踪方法，其特征在于，针对所有的当前亚强分类器p_a进行线性组合，获取调整后的强分类器P(x)，完成强分类器的在线调整：

9.一种模糊视觉条件的图像增强与目标跟踪系统，其特征在于，所述系统包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行如权利要求1-8任一所述的一种模糊视觉条件的图像增强与目标跟踪方法。