[发明专利]一种多特征融合的红外图像目标实时跟踪方法

权利要求书

1.一种多特征融合的红外图像目标实时跟踪方法，其特征在于，包括以下步骤：

（1）给定目标初始跟踪点位置y₀；

（2）初始化目标模型，以初始跟踪点y₀为中心建立目标灰度模型q₁和目标LBP纹理模型q₂；

（3）计算目标候选模型，根据目标的跟踪点位置y₀，计算候选目标灰度模型p₁(y₀)和候选目标LBP纹理模型p₂(y₀)；

（4）利用灰度特征Bhattacharyya系数ρ₁和LBP纹理特征的Bhattacharyya系数ρ₂，以及灰度特征的权重系数α₁和LBP纹理特征的权重系数α₂，计算位置y₀处联合特征Bhattacharyya系数ρ，表达式如下：

ρ＝α₁·ρ₁+α₂·ρ₂；

（5）计算当前帧目标新位置y₁；

（6）利用灰度特征Bhattacharyya系数ρ′₁和LBP纹理特征Bhattacharyya系数ρ′₂，以及灰度特征的权重系数α′₁和LBP纹理特征的权重系数α′₂，计算位置y₁处联合特征Bhattacharyya系数ρ'，表达式如下；

ρ＝α′₁·ρ′₁+α′₂·ρ′₂，

（7）当ρ'<ρ时，否则y₁保持不变；

（8）若|(y₀-y₁)|<ε，停止计算，否则，将y₁赋值给y₀并执行步骤（3），其中，ε是误差常系数。

2.根据权利要求1所述的一种多特征融合的红外图像目标实时跟踪方法，其特征在于，步骤（2）中，目标灰度模型q₁为：

q1={qu}u=1...m1,]]>Σu=1m1qu=1,]]>

目标LBP纹理模型q₂为：

q2={qv}v=1...m2,]]>Σv=1m2qv=1,]]>

其中，q_u为目标灰度模型灰度特征的各级概率密度，q_v为LBP纹理特征的各级概率密度，m₁为目标灰度模型灰度特征的最大量化级数范围，m₂为LBP纹理特征的最大量化级数范围，u表示灰度量化级数，v表示纹理量化级数。