[发明专利]一种基于融合的目标跟踪方法

摘要

本发明实施例公开一种基于融合的目标跟踪方法，该目标跟踪方法分别训练核相关滤波器和贝叶斯分类器，并采用加权平均法集成核相关滤波的响应和贝叶斯分类器的响应，并基于贝叶斯分类器和方向梯度直方图特征融合成一种新的特征，该新的特征能够有效地增强相关滤波器的判别能力。进一步地，本发明实施例的目标跟踪方法采用Sigmoid更新模型从而能够自适应调整模型学习率，Sigmoid更新模型能够使贝叶斯分类器自适应地更新，避免模型被不良样本所污染，从而能够在多种工况下实时且准确地跟踪目标。

主权项

1.一种基于融合的目标跟踪方法，其特征在于，所述方法包括步骤：/n步骤S1：根据初始图像帧，获取目标初始信息；/n步骤S2：在贝叶斯分类器区域提取颜色直方图，并且训练贝叶斯分类器；/n步骤S3：在核相关滤波区域提取前第一阈值维数的梯度直方图特征，第二阈值维数的颜色属性特征，并采用所述贝叶斯分类器计算所述核相关滤波区域中像素级的颜色概率图，再从所述像素级的颜色概率图中提取前第三阈值维数的梯度直方图特征；/n步骤S4：采用所述贝叶斯分类器检测目标，获得贝叶斯分类器的响应图；/n步骤S5：初始化尺度滤波器，提取梯度直方图特征并将所提取的梯度直方图特征作为目标特征，采用主成分分析法压缩所述目标特征的维数；/n步骤S6：在核相关区域内检测目标，获得核相关滤波的响应图，并将所述核相关滤波的响应图的大小调整至与贝叶斯分类器的响应图的大小一致；/n步骤S7：融合所述贝叶斯分类器的响应图和所述核相关滤波的响应图，获得最终响应图，在所述最终响应图中响应最大值处为所述目标的新位置；/n步骤S8：在所述目标的新位置处，调用尺度滤波器，并选取响应最大的尺度作为新的尺度，更新目标尺寸、前景区域和背景区域；/n步骤S9：采用Sigmoid函数作为更新模型，更新所述核相关滤波器、所述颜色直方图和所述尺度滤波器；/n步骤S10：获得下一帧图像，重复步骤S4、S5、S6、S7、S8、S9，直至视频结束。/n