[发明专利]动目标及特征模板变化条件下的快速人物跟踪方法

摘要

本发明公开了一种动目标及特征模板变化条件下的快速人物跟踪方法。该该动目标及特征模板变化条件下的快速人物跟踪方法动目标及特征模板变化条件下的快速人物跟踪方法是在压缩跟踪算法的基础上，从压缩特征提取，分类器的构造与更新，搜索策略的三个方面进行改进，实现高速跟踪。并基于分类准则和相似度准则分类器算法改进，提高的遮挡判断效果，能主动设定被跟踪对象，并通过复合技术手段进行跟踪，当目标被短暂遮挡后，能够在一定范围内从新捕获目标。

主权项

1.一种动目标及特征模板变化条件下的快速人物跟踪方法，其特征在于，该快速人物跟踪方法的压缩特征提取步骤为：以X表示目标区域内高维水的特征，P表示压缩特征维数的稀疏矩阵，V表示压缩后的低维特征，压缩跟踪的提取特征如下式所示：V＝PX  (1)算法中稀疏矩阵的定义方式如式(2)所示：其中s取值为2或3，并采用式(3)提取压缩特征：式(3)中其中P是特征矩阵中的元素，Rectsi,k为目标区域内的随机矩形块内灰度和，NR为该特征中实际的矩形块数目；稀疏矩阵P中，白色矩形，黑色矩形，灰色矩形分别代表矩阵元素为0,‑1,1；以系数矩阵与高维特征的乘积作为压缩特征V；该快速人物跟踪方法的分类器的构造和更新为：压缩跟踪算法采用朴素贝叶斯分类器检测图像中目标的位置，分类器定义如下：假设V＝(v1,…,vn)T中所有的低维特征元素相互独立，p(y＝1),p(y＝0)表示待见测图像块为目标或是样本的先验概率，这两个先验概率均高斯分布，即：式中和代表压缩特征v_i在目标样本计算特征值符合正态分布的均值和标准差，而和则分别代表压缩特征v_i在背景样本计算的特征值符合正态分布的均值和标准差；分类器跟踪时，以分类器H(v)响应的最大值处的搜索图像块作为最终的跟踪结果；分类器更新时，以上一帧目标周围选取一定数量的正样本，并在远离目标的区域选取一定数量的负样本对分类器进行更新，压缩特征vi在目标区域的特征值高斯概率分布更新公式如式(6)：其中λ为学习速率，μ1，σ1分别为上一帧提取的目标样本和背景样本的均值和方差；vi在背景区域的特征值高斯概率分布更新公式同目标区域类似；该快速人物跟踪方法的搜索策略采用FCT算法，并包括遮挡判断方法，FCT算法的具体过程如下：Setp1、以步长为dc像素，搜索半径为γc像素。搜索目标，得到目标模糊位置；Step2、在目标模糊位置周围，以步长df像素，搜索半径为γf像素精确搜索目标；其中dc通常取4，df通常取1，γc通常取25至50，γf取10；所述遮挡判断方法包括：分类准则判断遮挡和目标相似度准则。