[发明专利]基于目标特征和贝叶斯滤波的视觉跟踪方法

说明书

技术领域

本发明涉及一种基于目标不同特征和贝叶斯滤波的视频处理和机器视觉跟踪方法，特别适用于现代智能视频监控、感兴趣目标快速准确搜索等领域。

背景技术

视觉跟踪是计算机视觉领域的核心课题之一，在机器人视觉，视频监控，军事目标跟踪等领域内都有广泛的应用。智能视频监控系统在民用和军用中有着极大的应用前景。已融入到许多住宅小区、停车场、街道、尤其是在银行、机场安检等关系到人们生命财产安全的特殊场合。智能视频监控的最终目的就是利用计算机视觉和智能信号处理与分析等方法，在不需要人为控制的情况下，通过对摄像机拍摄的图像序列能进行自动分析，对被监控的场景中的变化进行定位、识别和跟踪，并基于此分析和判断目标的行为。

随着计算和存储成本的大幅度下降，使得以视频速率或近似视频速率采集存储图像序列成为可能，视频跟踪技术的极为广阔市场应用前景也是推动视觉跟踪的主要动力。近年来随着图像工程和计算机视觉研究的兴起，视觉跟踪在国际上再次引起关注，出现了众多的跟踪方法：基于特征的跟踪、基于变形模板的跟踪、基于网格的跟踪、以及基于贝叶斯推断的跟踪。

基于贝叶斯推断的跟踪是现在视觉跟踪领域中的重要方法，其思路是将目标跟踪问题转换为贝叶斯估计问题，已知目标状态的先验概率，在获得新的量测值后不断求解目标状态的最大后验概率过程。也就是说，将视觉跟踪问题看作是最优估计问题，但是现实场景中的视频目标的跟踪往往由于复杂的背景图像和目标本身的运动变得非常困难。针对复杂环境下的视频目标，开发出一套鲁棒的跟踪方法仍存在较多困难。

发明内容

本发明的目的针对智能监控领域内现有技术的不足，提出了一种基于目标特征和贝叶斯滤波的视觉跟踪方法，能有效的实现运动目标的准确跟踪，并处理遮挡、姿态变化等异常情况，提高了鲁棒性。

本发明的基于目标特征和贝叶斯滤波的视觉跟踪方法，其特征是利用目标的颜色、梯度、小波特征和贝叶斯滤波对视频的目标进行跟踪，包括如下步骤：

1)根据目标实际运动建立系统模型x_k＝Ax_k-1+v_k和观测模型y_k＝Hx_k+w_k；

A为系统状态转移矩阵；v_k为高斯系统噪声，x_k为k时刻目标状态，

H为观测矩阵；w_k为高斯观测噪声，y_k为k时刻目标观测值；

2)分别计算目标的颜色特征、梯度特征，并构造相似度函数：

计算目标的颜色特征：

将目标区域的颜色信息在红绿蓝空间划分为m个等级，使用Epanechikov函数作为概率密度的核函数，假设目标区域的中心为x₀，区域内像素坐标为x_i，i＝1，2，...n_h，n_h为目标区域内像素的总和，δ()为狄拉克函数，b(x_i)为特征向量映射函数，u∈[1，m]，C_q为归一化常数，则目标区域的颜色概率密度可以表示为：

计算梯度特征：

设I(x，y)表示坐标(x，y)的色度值，将图像通过一个均衡低通的高斯滤波器，分别计算水平和垂直方向上的梯度g_x(x，y)，g_y(x，y)：

gx(x,y)=I(x+1,y)-I(x-1,y)∀x,y]]>