[发明专利]基于均值偏移的视频目标跟踪方法

权利要求书

1.一种基于Mean Shift的视频目标跟踪方法，读入包含待跟踪目标的视频图像，确定跟踪目标区域并获取其特征，基于该特征采用Mean Shift算法在视频图像序列中进行跟踪，其特征在于：获取跟踪目标区域特征的方法是，根据尺度不变特征变换算子计算跟踪目标区域的关键点位置和尺度，并获取该尺度空间下关键点邻域的特征向量，用跟踪目标区域内的特征向量的模值-方向分布直方图表示该目标；具体跟踪的方法为，在标定所需要跟踪的目标以后，按下列步骤处理：

[1]将一幅视频图像通过多尺度的高斯核函数滤波，形成高斯金字塔图像，并将相邻尺度的两个高斯图像相减得到高斯差分金字塔多尺度空间；

[2]运用尺度不变特征变换算法在尺度空间进行特征检测，确定跟踪目标的关键点；

[3]对每一个关键点，确定关键点的位置、尺度，然后使用关键点的邻域梯度方向为主方向作为该点的方向特征，根据得到的关键点的位置、尺度、方向三个信息，确定一个特征向量区域；

[4]根据各个关键点可以确定一组特征向量区域，根据确定的这组特征向量区域，提取到目标区域的特征向量的模值-方向分布直方图；

[5]基于提取到的特征向量的模值-方向分布直方图，运用Mean Shift算法实现对目标的跟踪。

2.根据权利要求1所述的基于Mean Shift的视频目标跟踪方法，其特征在于：所述步骤[1]中的高斯差分金字塔多尺度空间为把图像在不同尺度的尺度空间中，通过不同尺度的高斯核函数滤波，形成高斯金字塔图像，相邻尺度的两个高斯金字塔图像相减得到高斯差分金字塔多尺度空间。

3.根据权利要求1所述的基于Mean Shift的视频目标跟踪方法其特征在于：所述步骤[2]中的确定跟踪目标的关键点，是对高斯差分金字塔尺度空间每个点与相邻位置的点逐个比较，得到局部极值位置，该位置对应的点即为关键点。

4.根据权利要求1所述的基于Mean Shift的视频目标跟踪方法，其特征在于：所述步骤[3]中的确定一个特征向量区域，是在确定关键点以后，将坐标轴旋转为关键点的方向，以确保旋转不变性，再以关键点为中心取n×n的窗口，得到每个像素点的方向和模值，这样一个关键点可以产生n²个数据，最终形成n²维的模值-方向向量，根据模值-方向向量得到以方向为横坐标的直方图，其中，n为大于或等于6的整数。

5.根据权利要求1所述的基于Mean Shift的视频目标跟踪方法，其特征在于：所述步骤[5]中的运用Mean Shift算法实现对目标的跟踪，是用目标区域的模值-方向分布直方图来表示运动目标，首先计算出待跟踪目标的模值-方向分布直方图，然后在下一帧视频图像候选区域的模值-方向分布直方图，比较得出目标区域和候选区域模值-方向分布直方图的差值，如果差值在允许范围之内，则跟踪成功，否则根据差值确定下一个候选区域，继续匹配其他候选区域，直到跟踪成功为止，差值的允许范围根据跟踪精度要求确定。