[发明专利]一种视觉多跟踪算子融合方法

说明书

本发明以视频数据为处理对象，对采集到的视频数据逐帧处理，首先确定视频帧中出现的兴趣目标，然后对事先选取的多个目标跟踪算子进行初始化，从后一帧开始依据各算法策略估计兴趣目标位置，之后计算各算子间尺度、覆盖区域、多视觉特征、中心距离相似度，并统计时序上连续多帧算子间相似度、算子与融合算子相似度，联合构建算子稳定性评价矩阵，最终通过评估算子间相似度均值决定相应算子是否被剔除，进而计算得到经融合处理后的目标位置。

技术领域

本发明属于图像目标跟踪领域，特别是一种视觉多跟踪算子融合方法。

背景技术

视觉目标跟踪作为计算机视觉的重要研究方向，其基本思想是综合利用图像处理、模式识别、最优化理论、概率论及随机过程等多学科理论，在视频序列中依据视频帧间关联和帧内目标特征确定目标在每一帧的位置。

基于相关滤波和深度学习框架的目标跟踪算法逐渐成为主流。尽管当前跟踪算法在准确性和鲁棒性上已有较大提升，但仍无法有效应对各类应用场景中面临的视觉目标跟踪挑战，仍不足以支撑当前各类智能应用对视频跟踪算法的迫切需求。

发明内容：

本发明要解决的技术问题是现有目标跟踪算法的适应性较差。

本发明提出一种视觉多跟踪算子融合方法。

一种视觉多跟踪算子融合方法，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视觉特征相似度和几何特征相似度，几何特征相似度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或上述三者的任意组合构成，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,N为正整数；

步骤4，如果当前帧的读取次数大于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，构建算子稳定性评价矩阵；否则，跳至步骤7；

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剔除不稳定算子；

步骤6，根据算子间相似度均值计算融合后兴趣目标位置；

步骤7，若融合后兴趣目标位置在监控区域外，则结束；否则，令N＝N+M，M为正整数,返回步骤3。

优选的，所述步骤3中，视觉特征相似度的计算公式为：

其中Hi、Hj分别为任一跟踪算子i和任一跟踪算子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pu、qu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。

优选的，所述步骤3中，各跟踪算子间尺度相似度的计算公式为：

其中wi，wj，hi，hj分别指任一跟踪算子i和任一跟踪算子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Bi、Bj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。