[发明专利]基于目标概率模型的自适应融合互补学习实时跟踪方法

说明书

本申请公开了一种基于目标概率模型的自适应融合互补学习实时跟踪方法，该方法在目前主流的跟踪方法互补性实时跟踪(Staple)的基础上，创新性的使用分段函数，当使用颜色直方图特征得到的跟踪目标前景比率小于分段函数阈值时，使用平均值自适应融合系数，当使用颜色直方图特征得到的跟踪目标前景比率大于等于分段函数阈值时，使用指数自适应融合系数。从而实现根据不同视频属性选择恰当的分段函数阈值。该方法性能较优，且具有通用性，可用于解决类似的多特征相融问题。

技术领域

本申请涉及一种基于目标概率模型的自适应融合互补学习实时跟踪方法，属于机器视觉目标跟踪领域。

背景技术

视觉跟踪技术是计算机视觉研究领域中的热点与难点，同时其在商业化应用方面前景广阔，被广泛应用于人机交互、公共安全、医学影像等领域。

目前常用目标跟踪方法使用目标图像的方向梯度直方图与颜色特征来实现优势互补，使用颜色特征弥补方向梯度直方图只能提取目标空间信息而必须忽略颜色特征，使用方向梯度直方图虽然弥补了颜色特征，但只能提取目标颜色信息而忽略空间信息的问题。

在多特征响应融合方面，目前大多数跟踪方法使用固定融合系数，这对于不同情况下的特征相融会造成不同的影响，甚至会严重损伤跟踪器性能，造成目标丢失。

发明内容

根据本申请的一个方面，提供了一种基于目标概率模型的自适应融合互补学习实时跟踪方法，该方法性能较优，且具有通用性，可用于解决类似的多特征相融问题。

所述基于目标概率模型的自适应融合互补学习实时跟踪方法，其特征在于，包括以下步骤：

按下式计算所述互补性实时跟踪方法中的整体匹配值矩阵r：

r＝(1-γ)r_cf+γr_hist

其中，γ为融合系数，r_cf为搜索区域ο与t-1帧图像I_t-1的方向梯度直方图匹配值矩阵，r_hist为所述搜索区域ο与t-1帧图像I_t-1的颜色直方图匹配值矩阵；

所述融合系数γ的计算包括以下步骤：

步骤S410：获取目标概率模型值β，所述目标概率模型值β：以t-1帧图像I_t-1中目标的颜色直方图除以所述搜索区域ο的颜色直方图，得到所述目标概率模型值β；

步骤S420：当所述目标概率模型值β小于第一阈值ε时，按下式计算融合系数γ：

式中，n_e为目标区域内的像素数，β为目标概率模型值，所述第一阈值ε的取值范围为0～1之间；

步骤S430：当所述目标概率模型值β大于或者等于所述第一阈值ε时，按下式计算融合系数γ：

式中，ξ为超参数。

该方法可以用于现有需要确定整体匹配值矩阵的互补性实时跟踪方法。

可选地，所述搜索区域ο与t-1帧图像I_t-1的方向梯度直方图匹配值矩阵r_cf，按以下步骤获得：

获取所述搜索区域ο的方向梯度直方图特征并与t-1帧图像I_t-1生成的方向梯度直方图特征进行匹配，得到第二匹配值矩阵，所述第二匹配值矩阵作为所述方向梯度直方图匹配值矩阵r_cf。

可选地，所述搜索区域ο与t-1帧图像I_t-1的颜色直方图匹配值矩阵r_hist，按以下步骤获得：