[发明专利]基于均值漂移预测和时空上下文信息的实时跟踪方法

权利要求书

1.一种基于均值漂移预测和时空上下文信息的实时跟踪方法，其特征在于，包括：

根据第t-1帧跟踪得到的目标位置x(t-1)或初始选定的目标位置x(0)，利用背景加权均值漂移算法得到目标的可能位置x^*；

确定x^*为中心的上下文计算区域Ω_c(x^*)；

计算上下文先验模型P(c(z)|o)和置信图m(x)来对时空模型进行快速学习，获取置信图m_t+1(x)的最大置信度；

计算置信图m_t+1(x)的峰值旁瓣比，如果该峰值旁瓣比大于阈值，则将最大置信度所在位置作为第t帧图像的跟踪位置；否则，以均值漂移算法预测的目标位置作为第t帧图像的跟踪位置，并均值漂移算法预测的目标位置更新时空模型。

2.根据权利要求1所述的基于均值漂移预测和时空上下文信息的实时跟踪方法，其特征在于，利用背景加权均值漂移算法得到目标的可能位置x^*包括：

计算当前窗口内各像素点的权重:

计算候选目标的下一个新位置:

式中：y_i表示像素点位置，n为当前窗口内像素点总数，b(y_i)表示将像素点位置y_i的像素映射到特征空间，q_u为目标特征，u为1,2…m，m是特征空间的元素个数，δ(x)为1维Kronecker delta函数，p_u(y₀)为中心坐标为y₀的目标候选区域的各特征分布密度，y₀的位置取x(t-1)，h为核函数k(x)的带宽；g(x)＝-k′(x)，k′(x)表示对k(x)求导；

判断‖y₁-y₀‖是否小于阈值，如果小于，则将得到的候选目标的下一个新位置y₁，作为可能位置x^*，否则采用y₁替待y₀，返回计算当前窗口内各像素点的权重的步骤。

进一步地，返回计算当前窗口内各像素点的权重的步骤的次数不超过15次。

3.根据权利要求2所述的基于均值漂移预测和时空上下文信息的实时跟踪方法，其特征在于，计算区域Ω_c(x^*)以x^*为中心，大小为2M_Col×2M_Row。进一步地，如果为初始帧，则人工手动选择的方式得到目标在图像中的初始位置x(0)，初始化上下文先验模型P(c(z)|o)和置信图m(x)。

4.根据权利要求3所述的基于均值漂移预测和时空上下文信息的实时跟踪方法，其特征在于：计算上下文先验模型P(c(z)|o)和置信图m(x)来对时空模型进行快速学习包括：

计算上下文先验模型P(c(z)|o)包括：

P(c(z)|o)＝I(z)ω_σ(z-x^*)

计算置信图m(x)包括：

计算傅里叶算子：

更新时空上下文模型：

计算置信图：

其中I(z)表示z坐标像素的灰度值，ω_σ(z-x^*)为加权高斯函数，表示x的傅里叶变换，表示x的傅里叶逆变换，ρ表示学习速度，a表示归一化常数，σ表示尺度参数，b表示归一化常数，α表示尺度参数，β表示形状参数，表示更新前的时空上下文模型。

5.根据权利要求4所述的基于均值漂移预测和时空上下文信息的实时跟踪方法，其特征在于：计算置信图m_t+1(x)的峰值旁瓣比包括：

其中，g_max为时空上下文跟踪算法的频域输出结果的峰值，μ_s与δ_s分别为旁瓣的均值与标准差。