[发明专利]基于目标概率模型的自适应融合互补学习实时跟踪方法

摘要

本申请公开了一种基于目标概率模型的自适应融合互补学习实时跟踪方法，该方法在目前主流的跟踪方法互补性实时跟踪(Staple)的基础上，创新性的使用分段函数，当使用颜色直方图特征得到的跟踪目标前景比率小于分段函数阈值时，使用平均值自适应融合系数，当使用颜色直方图特征得到的跟踪目标前景比率大于等于分段函数阈值时，使用指数自适应融合系数。从而实现根据不同视频属性选择恰当的分段函数阈值。该方法性能较优，且具有通用性，可用于解决类似的多特征相融问题。

主权项

1.一种基于目标概率模型的自适应融合互补学习实时跟踪方法，其特征在于，包括以下步骤：按下式计算所述互补性实时跟踪方法中的整体匹配值矩阵r：r＝(1‑γ)r_cf+γr_hist其中，γ为融合系数，r_cf为搜索区域ο与t‑1帧图像I_t‑1的方向梯度直方图匹配值矩阵，r_hist为所述搜索区域ο与t‑1帧图像I_t‑1的颜色直方图匹配值矩阵；所述融合系数γ的计算包括以下步骤：步骤S410：获取目标概率模型值β，所述目标概率模型值β：以t‑1帧图像I_t‑1中目标的颜色直方图除以所述搜索区域ο的颜色直方图，得到所述目标概率模型值β；步骤S420：当所述目标概率模型值β小于第一阈值ε时，按下式计算融合系数γ：式中，n_e为目标区域内的像素数，β为目标概率模型值，所述第一阈值ε的取值范围为0～1之间；步骤S430：当所述目标概率模型值β大于或者等于所述第一阈值ε时，按下式计算融合系数γ：式中，ξ为超参数。