[发明专利]基于聚类子区域关联的稳定特征挖掘和目标跟踪方法

摘要

本发明公开了一种基于聚类子区域关联的稳定特征挖掘和目标跟踪方法，a)自适应检测目标运动区域，提取该运动区域的V色彩分量直方图峰轮廓，根据候选峰、区域峰和残余峰能量，获得聚类数；b)构建目标运动区域的S和V分量样本灰度矩阵，进行类数自适应的K‑means聚类；c)对基于类的连通子区域进行标记并建立子区域模板、观测模型和增量模型描述；d)建立目标模板和当前观测模型子区域间关联，挖掘“模板‑观测”稳定子区域特征对及模板特征变化率；e)加权融合模板各稳定子区域位移、目标检测区域中心和上一帧轨迹以定位目标当前轨迹，并根据稳定特征的加权平均增量及其变化率逐帧更新目标模板。

主权项

1.一种基于聚类子区域关联的稳定特征挖掘和目标跟踪方法，其特征在于，包括步骤如下：步骤一：利用迭代阈值背景差分和自动背景更新检测目标运动区域，根据该区域V，Value色彩分量直方图峰轮廓、候选峰、区域峰和残余峰能量，获得聚类数；步骤二：构建目标区域运动像素的S和V色彩矩阵，并进行类数自适应的K‑means聚类；步骤三：标记每个类连通子区域，并建立子区域模板、观测模型和增量模型描述；步骤四：建立目标模板和当前观测模型子区域间关联，挖掘“模板‑观测”稳定子区域特征对和模板特征变化率；步骤五：加权融合各稳定子区域形心位移，获得目标当前轨迹，并根据稳定特征的加权平均增量变化率，逐帧更新目标模板；所述步骤一中自适应获得聚类数步骤：1a.提取目标运动检测区域的V色彩分量直方图峰轮廓；1b.利用窗口长为n的中值滤波平滑峰轮廓，以突出主峰ftl1；其中n取大于等于2的整数，l1＝1,2…,L1为主峰数目；1c.选择大于β倍主峰均值的f_t^l1作为候选峰如公式(1)，其中β∈[1,1.8]为尺度因子，l2＝1,2…,L2为候选峰数目；1d.累加小于主峰均值的ftl1获得残余峰能量SUMt和残余率RESt，如公式(2)～(3)；1e.当相邻候选峰和对应的V色彩分量差分满足时，和均被作为确定区域峰；当时，保留中较大峰作为临时区域峰，并将序号赋值为l2+1，即重复该过程，依次将临时区域峰与下一相邻峰进行比较，并重复max赋值过程，直到成立，此时的较大峰方可被作为确定区域峰；确定区域峰数目即为聚类数K_t；当RES_t＞α₂时，增加一个聚类，即其中阈值α₁≥10,α₂≥0.3。