[发明专利]面向低帧率视频的目标跟踪方法

权利要求书

1.一种面向低帧率视频的目标跟踪方法，其特征在于，包括以下步骤：

(1)在融合主颜色及其空间分布的目标表示过程中要将目标区域像素的颜色空间从RGB转换到rgI空间，再采用主导集聚类的方法获得像素的主颜色模式；

(2)对于落在每个主颜色模式内所有像素的包括权重、均值和方差的空间分布信息进行计算，并与颜色模式信息进行融合及更新；

(3)对给定目标模板的主颜色模式利用最近邻算法确定候选区域的主颜色模式，进而计算各主颜色模式间的交叉比例矩阵及颜色模式的匹配误差；

(4)根据目标模板中主颜色的空间分布信息计算候选区域中对应颜色模式的空间匹配误差，并且与颜色匹配误差进行融合；

(5)在已确定的最大图像区域计算其中每个像素的标签，并将其与空间参数构成5维向量，再计算该5维向量的积分图；

(6)根据积分图查找给定样本粒子的对应区域的模型参数，并根据匹配准则计算该粒子的适应值；

(7)根据退火粒子群优化的运动搜索框架对样本粒子进行退火优化迭代，同时还要利用适应值评价更新粒子群的个体最优粒子和全体最优粒子，然后对进化的粒子进行收敛性判断并输出跟踪结果。

2.根据权利要求1所述的面向低帧率视频的目标跟踪方法，其特征在于，所述的步骤(1)具体包括以下子步骤：

首先，目标区域像素颜色空间的转换；

其次，计算像素颜色的欧氏距离，由此建立像素间的权重图矩阵；

最后，由图结构依次获得主颜色模式。

3.根据权利要求1所述的面向低帧率视频的目标跟踪方法，其特征在于，所述的步骤(2)具体包括以下子步骤：

首先，从权重、均值、方差三个方面计算像素的空间分布模式，而且像素点的位置还要中心化处理；

其次，将空间分布信息与颜色分布信息进行融合及更新。

4.根据权利要求1所述的面向低帧率视频的目标跟踪方法，其特征在于，所述的步骤(3)具体包括以下子步骤：

首先，确定候选区域的主颜色模式；

其次，计算各自主颜色模式间的交叉比例矩阵；

最后，计算两个矩阵间的平方和距离作为颜色模式的匹配误差。

5.根据权利要求1所述的面向低帧率视频的目标跟踪方法，其特征在于，所述的步骤(4)具体包括以下子步骤：

首先，计算候选区域中对应颜色模式的空间匹配误差；

其次，将颜色匹配误差与空间匹配误差进行融合。

6.根据权利要求1所述的面向低帧率视频的目标跟踪方法，其特征在于，所述的步骤(5)具体包括以下子步骤：

首先，确定潜在样本粒子所能覆盖的最大图像区域；

其次，由最大图像区域中的每个像素的主颜色模式可得该区域像素的标签；

最后，计算由标签和空间参数构成的5维向量的积分图。

7.根据权利要求1所述的面向低帧率视频的目标跟踪方法，其特征在于，所述的步骤(6)具体包括以下子步骤：

首先，根据积分图查找给定样本粒子的对应区域的模型参数；

其次，根据匹配准则计算该粒子的适应值。

8.根据权利要求1所述的面向低帧率视频的目标跟踪方法，其特征在于，所述的步骤(7)具体包括以下子步骤：

首先，对前一帧图像收敛后的个体最优粒子进行时序上的随机传播；

其次，对样本粒子进行退火优化迭代，同时还要通过适应值评价更新粒子群个体最优粒子和群体最优粒子；

最后，对进化的粒子进行收敛性判断。