[发明专利]一种基于显著度的目标跟踪方法

说明书

技术领域

本发明属于计算机视觉领域，尤其涉及一种基于显著度的目标跟踪方法。

背景技术

目标跟踪是计算机视觉领域的重要组成部分，他在行为分析，视频监控，交通管制，军事等方面有着广泛的应用。近些年来，虽然目标跟踪已经取得了一系列突破性的进展，但当发生遮挡，光照变化，姿态变化等情况时，目标跟踪算法依然存在问题。目前，目标跟踪仍然是国际上热门的研究课题。

现有的目标跟踪算法大致可归为判别式方法和生成式方法。判别式方法把跟踪看成二元分类问题，通过构造二元分类器把目标从背景中区分出来，从而达到跟踪的效果。例如Kalal等人提出一种P-N学习算法来提取正负样本间可能存在的结构信息，来学习一种有效的分类器进行目标跟踪。

生成式方法通过寻找图像中跟目标模型最接近的区域来实现跟踪。例如Wei Zhong、Huchuan Lu和Ming-Hsuan Yang提出一种基于稀疏的外貌模型，通过排除可能发生遮挡的小块，来提高目标跟踪算法对遮挡的鲁棒性。

上述的方法对目标中的每个区域都平等对待，而没有区分主次。事实上，目标中的有些区域在视觉上非常显著，能够很容易加以区分；而有些区域包含噪声，对外貌模型造成干扰。

发明内容

为了解决上述的技术问题，提高目标跟踪算法的鲁棒性，本发明提供了一种基于显著度的目标跟踪算法。

本发明所采用的技术方案是：一种基于显著度的目标跟踪方法，其特征在于，包括以下步骤：

步骤1：构建目标外貌模型，其具体实现过程是针对目标采用固定窗口大小的滑动窗口，得到目标区域内的M个小块，构建目标外貌模型，并表示为{α₁,α₂,…,α_M}；

步骤2：得到候选对象：根据粒子滤波，通过在目标区域附近随机采样的方法得到N个候选对象，并一一对所述的N个候选对象构建与目标相同的外貌模型，其中第i个候选对象外貌模型表示为

步骤3：计算所述的目标的显著度图；

步骤4：根据显著度图，一一计算步骤1中所述的目标外貌模型中M个小块的权重；

步骤5：计算每个候选对象与目标的相似度；

步骤6：选择相似度最高的候选对象为跟踪结果。

作为优选，步骤3中所述的计算所述的目标的显著度图，其具体实现过程是对所述的目标的任一像素点o，其临近像素点为{p₁,p₂,…,p_k}，其中k为临近像素点个数，计算o与临近像素点的距离，得到{d₁,d₂,…,d_k}，其中d_i的计算方法为：