[发明专利]一种基于视频的自适应分块的目标跟踪方法

摘要

本发明公开了一种基于视频的自适应分块的目标跟踪方法，本发明的有益效果是（1）构建了更加具有鲁棒性的跟踪目标动态模型的方法设计自适应分块方法，通过分块、判断遮挡、自适应融合三个步骤获得鲁棒的被跟踪目标动态模型。（2）在复杂环境下更新待融合图像块的权重在跟踪过程中，考虑到背景对目标模板的影响，利用改进的权重计算方法更新待融合图像块的权重，以保证跟踪的准确性。（3）对运动目标初步跟踪结果进行校正通过SURF特征匹配对初步跟踪结果做校正，提高算法的跟踪精度。既能很好地处理目标遮挡的状况，又能在环境影响下精确定位目标，还能自适应改变跟踪窗口大小。

主权项

一种基于视频的自适应分块的目标跟踪方法，其特征在于，包括如下步骤：S01：获取视频流并转化为图像帧序列；S02：读取一幅图像并选取目标模板；S03：对目标模板进行初始化：03a)将目标模板进行分块得到k个子图像块，其中，对目标模板按照两种方式分块，分别是将目标模板横向划分为k个子图像块，以及将目标模板纵向划分为k个子图像块；03b)对每个子图像块建立直方图模型向量并计算选取目标SURF特征点，提取目标周边背景的特征直方图，计算各子图像块的中心位置和尺寸信息；03c)初始化各子图像块权值λ(k)为1/k；S04：读取下一帧图像对选取的运动目标实施跟踪，其中，目标初始位置为上一帧图像的目标位置，具体跟踪如下：04a)计算候选目标与目标模板之间的相似度量函数获得当前帧的目标位置的中心位置y；04b)对各子图像块权值λ(k)更新并判断目标是否发生遮挡，其中，λ(k)=αλm(k)+(1-α)λb(k),]]>式中：α是用来表示图像块与背景相似度高低的数值大小，表示第k个子图像块与目标模板的相似度，表示第k个子图像块与背景的相似度；04c)在跟踪过程中，利用各子图像块权值计算确定哪一个图像块发生遮挡，自适应地选取两种分块方式中遮挡图像块数最少的分块方法；04d)采用融合公式对有效图像块融合，利用分块均值漂移算法对其进行跟踪获得初步结果；04e)根据提取到的SURF特征点校正目标的位置和尺度，得到跟踪的最终结果；S05：判断是否继续加载图像帧，若是，则进入步骤S04开始下一帧图像的跟踪；否则，进入步骤S06；S06：将获得的带有跟踪结果的图像帧序列合成为视频流输出；用Bhattacharyya系数计算候选目标与目标模板之间的相似度量函数ρ^(k)=ρ(p^(k)(y),q^(k))=Σu=1mp^u(y)q^u]]>式中：表示目标模板的颜色直方图，表示候选目标模板的颜色直方图，k表示分块数目，u和m为Bhattacharyya系数计算公式设定值，m是每个特征直方图上的bin数，表示候选目标的模型，表示目标的颜色直方图模型；当λ(k)<0.25时，则说明该图像块发生遮挡。