[发明专利]融合目标空间分布和时序分布特征子空间的视觉跟踪方法

摘要

本发明公开了一种融合目标空间分布和时序分布特征子空间的视觉跟踪算法，主要包含步骤：首先将目标区域特征从三个角度进行展开，分别进行子空间学习；其次运用一种更新策略来在线地更新三个模式下目标的均值与子空间。最后通过张量重构将三个子空间模式统一到一个似然函数中用于候选观测图像的评价。本发明实现了有效的目标跟踪方法，是一种通用的方法。实验结果表明，相对于其他经典子空间跟踪算法，该发明更加有效和鲁棒，具有很好的应用前景。

主权项

一种融合目标空间分布和时序分布特征子空间的视觉跟踪方法，其特征在于，包括以下步骤：(1)运用张量理论将目标图像观测的训练样本表示为一个三阶张量，并将此张量从图像的宽度、图像的高度和图像时间轴这三个不同的方向展开成三个分解矩阵；其中，前两个分解矩阵的列样本子空间对于目标的空间分布信息；第三个分解矩阵的行样本子空间对应于目标的时间分布信息；(2)对于前两个分解矩阵，计算各分解矩阵的样本协方差矩阵，并通过对协方差矩阵做特征分解得到目标水平和垂直方向的模式子空间；对于第三个分解矩阵，采用奇异值分解算法获得目标在时间轴上的模式子空间；(3)对于给定的目标候选区域，计算其在目标表观空间上的重构误差，并由此定义目标候选区域的观测似然函数；(4)根据定义的观测似然函数，运用粒子滤波器计算目标状态的后验概率，采用最大后验估计策略从一系列候选观测值中挑选后验概率最大的作为当前时刻的目标状态；(5)利用跟踪的结果，对对步骤(2)中获得的目标模式子空间进行更新，并在更新过程中加入遗忘因子；其中，遗忘因子是一种介于0和1之间的权重，在子空间模型中越大的遗忘因子意味着模型越关注近期的数据。