[发明专利]一种视觉多跟踪算子融合方法

权利要求书

1.一种视觉多跟踪算子融合方法，其特征在于，包括以下步骤：

步骤1，输入视频数据，设置兴趣目标和监控区域，选取视觉目标跟踪算子；

步骤2，读取视频帧直至出现兴趣目标，该帧为起始帧，根据起始帧确定兴趣目标区域，完成各跟踪算子初始化；

步骤3，读取起始帧后的第N帧，作为当前帧，计算各跟踪算子在当前帧估计的目标区域，根据当前帧估计的目标区域计算各跟踪算子间联合相似度,N为正整数；

步骤4，如果步骤3的读取次数大于1,计算各跟踪算子与融合跟踪算子间联合相似度，根据各跟踪算子间联合相似度和各跟踪算子与融合跟踪算子间联合相似度计算多帧的各跟踪算子间联合相似度以及多帧的各跟踪算子与融合跟踪算子联合相似度，根据多帧的各跟踪算子间联合相似度以及各跟踪算子与融合跟踪算子联合相似度，构建算子稳定性评价矩阵；否则，令N＝N+M，M为正整数,返回步骤3；

步骤5，依算子稳定性评价矩阵计算算子间相似度均值，根据算子间相似度均值计算融合后兴趣目标位置并剔除不稳定算子；

步骤6，若融合后兴趣目标位置在监控区域外，则结束；否则，令N＝N+H，H为正整数,返回步骤3。

2.根据权利要求1所述的视觉多跟踪算子融合方法，其特征在于，所述步骤3中，各跟踪算子间联合相似度的计算方法为：根据当前帧估计的目标区域计算视觉特征相似度和几何特征相似度，几何特征相似度至少由各跟踪算子间尺度相似度或覆盖区域相似度或中心距离相似度构成，根据视觉特征相似度和几何特征相似度计算各跟踪算子间联合相似度。

3.根据权利要求2所述的视觉多跟踪算子融合方法，其特征在于，所述视觉特征相似度的计算公式为：

其中H_i、H_j分别为跟踪算子i和跟踪算子j在当前帧所估计的目标区域的梯度直方图特征向量，G为高斯模板，⊙表示逐元素乘积，为颜色特征相似度；

其中p_u、q_u分别表示跟踪算子i和跟踪算子j在当前帧预测目标区域提取的颜色直方图对应的u分量，m表示颜色直方图特征中包含的bin的总数；

各跟踪算子间尺度相似度的计算公式为：

其中w_i，w_j，h_i，h_j分别指跟踪算子i和跟踪算子j在当前帧所估计的目标区域的宽和高；

各跟踪算子间覆盖区域相似度的计算公式为：

其中B_i、B_j分别表示跟踪算子i和跟踪算子j在当前帧所估计的目标区域包含的像素点集合，A(x)为对应像素点集合x的像素总数。

各跟踪算子间中心距离相似度的计算公式为：

其中O_i、O_j分别为跟踪算子i和跟踪算子j在当前帧预测目标区域的中心坐标。

4.根据权利要求2所述的视觉多跟踪算子融合方法，其特征在于，所述当前帧的各跟踪算子间联合相似度的计算公式为：

其中l_G为各算子间几何相似度，λ为权值，其取值范围在0到1之间；

步骤4中，各跟踪算子与融合跟踪算子间联合相似度按下式计算：

其中和为跟踪算子和融合跟踪算子间的尺度相似度、覆盖区域相似度、中心距离相似度和视觉特征相似度。