[发明专利]一种基于双向鉴别信息的目标跟踪方法

摘要

本发明提出了一种基于双向鉴别信息的目标跟踪方法，通过一种改进的粒子滤波方法对跟踪参数进行精确估计，对每个粒子进行操作时，采用了目标和背景的双向鉴别信息，因此每个粒子能够提供更多的信息，本发明方法在不需要太多数目粒子的条件下依然可以达到很好的跟踪效果。本发明提出的方法复杂度小，实时性强，能够有效的对目标视频进行跟踪，适用于各种视频监控系统。

主权项

1.一种基于双向鉴别信息的目标跟踪方法，其特征在于，包括以下步骤：S1对目标进行视频拍摄，得到目标的视频序列图像{P_n(x,y)|n＝1,2,…N}；S2在第一帧图像对目标跟踪进行初始化；手动选择包含目标的一个矩形，记为目标矩形A(x,y)，目标矩形大小为a×b；然后以目标矩形A(x,y)的中心像素(x₀,y₀)为中心，再选择一个大小为(2a)×(2b)的矩形，这个矩形区域包含目标矩形A(x,y)，记属于这个矩形区域且不属于目标矩形的区域为B(x,y)，B(x,y)表示周围的背景信息；S3在下一帧图像进行基于双向鉴别信息的目标跟踪；S31选取M个粒子，每个粒子表示一个跟踪矩形，且第n+1帧的跟踪矩形的大小和第n帧的目标矩形的大小完全相同，所以每个粒子通过3个参数表示，其中表示跟踪矩形的权重，表示跟踪矩形的中心坐标，标号m∈{1,…,M}表示粒子的序号；S32已知第n帧的目标矩形A(x,y)，中心像素为(x₀,y₀)以及周围的背景区域B(x,y)；接下来在第n+1帧图像上，以(x₀,y₀)为中心，随机选取50个位置作为粒子的中心坐标：其中ε₁,ε₂均为[‑1,1]内的随机数，β是一个常数，表示单帧像素偏移的范围；然后给每个粒子的权重赋初值，初始权重设为1/M；S33计算每个粒子代表的跟踪矩形和前一帧的目标矩形的相似程度；记此粒子所表示的跟踪矩形为TA(x,y)，采用S2中相同的方法可以得到其周围的背景区域，记为TB(x,y)；首先通过直方图计算A(x,y)和TA(x,y)的相似度corrA，方法为：将灰度空间划分成32份，分别计算A(x,y)和TA(x,y)的直方图，记为Hist1和Hist2；Hist1和Hist2均为长度为32的一维的向量，然后采用巴氏系数计算Hist1和Hist2相似度；然后通过上述计算A(x,y)和TA(x,y)的相似度corrA相同的方法可以计算出B(x,y)和TB(x,y)的相似度，记为corrB；corrA和corrB两个相似度分别代表目标和背景的信息度，融合两者的信息，得到一个最终的相似度信息：corrF＝corrA‑corrB；接着根据相似度计算当前粒子的观测概率密度其中δ是个常数；然后更新当前粒子的权重：S34对于所有的M个粒子都进行S31至S33的操作，计算出新的权重，然后再进行归一化得到最终权重S35所有粒子的权重都进行更新后，通过权重对每个粒子所代表的跟踪矩形中心进行加权，可以得到最终的跟踪矩形中心：也即获得目标在第n+1帧图像的位置；S4从第2帧开始，每一帧都通过S3中的方法计算出与之相邻的前一帧对应的跟踪参数{(Tx_n,Ty_n)|n＝1,…,N‑1},这样可以获得目标在每一帧的跟踪结果。