[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

说明书

本发明涉及一种基于均值漂移预测和时空上下文的实时跟踪方法及系统，根据目标位置，利用背景加权均值漂移算法得到目标的可能位置；确定可能位置为中心的上下文计算区域；计算上下文先验模型和置信图来对时空模型进行快速学习，获取置信图的最大置信度；通过对比选择将最大置信度所在位置或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。本发明为针对固定背景下的基于均值漂移预测的时空上下文跟踪方法，提高了时空上下文跟踪方法的稳定性，从而提高了目标跟踪能力。将均值漂移算法与时空上下文跟踪方法结合后能够稳定地适应目标快速运动和严重遮挡情况，满足硬件平台的实时性要求，是一种较为实用的实时视频图像目标跟踪方法。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种基于均值漂移预测和时空上下文的实时跟踪方法及系统。

背景技术

目标跟踪一直是计算机视觉领域的热点研究问题，其在军事、安防、交通等领域具有重要的价值。在实际环境中，运动目标的姿态通常是变化的，另外目标周围环境通常是复杂的，这些都会对跟踪结果产生较大的干扰。

发明内容

针对跟踪过程中因目标快速移动或受到严重遮挡时容易丢失目标的问题，本发明提供一种基于均值漂移预测和时空上下文的实时跟踪方法及系统，利用均值漂移算法对目标位置进行预测，并以预测位置为目标中心使用时空上下文跟踪算法对预测结果进行校正，提高了时空上下文跟踪方法的稳定性，从而提高了目标跟踪能力。

为达到上述目的，本发明提供了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，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。

进一步地，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，qu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)表示即对k(x)求导；

判断是否小于||y₁-y₀||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。