[发明专利]基于物体整体性和局部性识别的跟踪方法

权利要求书

1.一种基于物体整体性和局部性识别的跟踪方法，其特征在于，包括以下步骤：

S1.跟踪前m帧图像，以第一帧目标区域为模板，计算新帧的候选目标区域与模板进行相似度量，以相似度最高的为新帧的目标区域，并记录每帧的目标区域；

S2.针对前m帧图像以其目标区域为中心向四周扩展得到扩展区域，超像素分割每个扩展区域，以超像素记录目标物体部件信息，作为物体的局部表征，提取各超像素的特征，并收集所有帧的特征构建特征池；

S3.基于特征池中的特征集来计算物体的局部表征的权值；

S4.设已完成前t帧图像的跟踪，t≥m，计算第t+1帧图像的扩展区域、候选目标区域、及其扩展区域内超像素的特征集，并根据特征池中与扩展区域内的超像素的相似度计算扩展区域内的物体局部表征的置信度；

S5.计算各候选目标区域的置信值、各候选目标区域边界附近的边缘密度、各候选目标区域与它直接相邻的包围区域的颜色对比度以及各候选目标区域的超像素跨界程度；

S6.结合候选目标区域置信值、边缘密度、颜色对比度和超像素跨界程度计算当前帧的目标区域；

S7.更新特征池的特征集；

S8.若满足更新物体局部表征的权值条件，根据更新后的特征池内的物体局部表征的权值，实现其权值的更新；

S9.执行程序结束判断，当跟踪完所有帧，则结束程序；否则，转到步骤S3进入下一帧图像的跟踪，直到完成整个视频图像序列的跟踪为止。

2.根据权利要求1所述的基于物体整体性和局部性识别的跟踪方法，其特征在于，所述步骤S1中跟踪前m帧图像，计算其目标区域的具体实现方式为：

给定第一帧图像Frame₁中目标区域，包括中心点和区域大小；基于前m帧目标表观变化小，以第一帧图像的目标区域为模板；

在上一帧目标区域周围随机采样，作为当前帧的候选目标区域；

计算新帧的候选目标区域与模板进行相似度量，相似度最高的为新帧的目标区域，如此迭代计算Frame₂，……，Frame_m的目标区域，并记录各帧的目标区域。

3.根据权利要求2所述的基于物体整体性和局部性识别的跟踪方法，其特征在于，所述步骤S2中的收集物体局部表征，构建局部表征特征池的具体实现为：

基于需要在目标区域周边范围采样作为候选目标区域，以目标区域为中心向四周扩展λ倍，λ为常量，得到扩展区域，并分别对m帧的扩展区域进行超像素分割成N_i个超像素sp(i,j)，其中i=1,…,m，j=1,…,N_i；

提取各帧超像素的HSI色彩特征，用特征矢量fij表示，并且记录各超像素是否属于目标区域内；

把m帧特征集按先后跟踪顺序组织成用于计算物体局部表征的权值的特征池F={ft′r|t′=1,···,m;r=1,···,Nt′}]]>，并记录。