[发明专利]基于背景抑制和前景抗干扰的多尺度目标跟踪方法

权利要求书

1.一种基于背景抑制和前景抗干扰的多尺度目标跟踪方法，其特征在于，包括步骤：

S1：构建并初始化颜色概率模型及DCF跟踪模型；

S2：以前一帧图像为基准，利用自适应高斯窗函数对前一帧图像进行背景抑制，计算出前一帧图像基于FHOG特征的目标位置的滤波响应图，同时计算前一帧图像的颜色概率分布，根据颜色概率分布得到积分图像，根据积分图像计算得到目标位置的颜色响应图，并线性融合所述滤波响应图和颜色响应图，进而预测出下一帧图像的目标位置；

S3：根据预测的下一帧图像的目标位置及基于尺度金字塔模型，更新下一帧图像中目标的尺度信息；

S4：结合下一帧图像的目标位置和尺度信息，进行自适应密集采样，计算下一帧图像的FHOG特征和颜色直方图，完成DCF跟踪模型和颜色概率模型的更新。

2.如权利要求1所述的基于背景抑制和前景抗干扰的多尺度目标跟踪方法，其特征在于：在步骤S4之后，还包括步骤S5：判断步骤S4中的下一帧图像是否为最后一帧图像，若是，则结束，否则，将步骤S4的下一帧图像作为前一帧图像，转至步骤S2。

3.如权利要求1所述的基于背景抑制和前景抗干扰的多尺度目标跟踪方法，其特征在于，构建并初始化颜色概率模型及DCF跟踪模型的步骤为：

S101：读入第一帧图像，将其作为初始图像；

S102：在初始图像中选择初始目标区域z₀，所述初始目标区域的边界为目标框；

S103：初始化DCF跟踪模型：在区域z₀内提取FHOG特征根据初始尺度，计算满足高斯分布的标签值Y₀；利用高斯窗对z₀背景进行抑制；根据计算得到DCF跟踪模型的初始模型参数

式中，p为特征维数，l代表特征空间的索引，λ为正则化参数；

S104：初始化颜色概率模型：在第一帧图像内选取比目标框小的区域的作为前景，比目标框大的区域作为背景；分别计算前景与背景的32bins颜色直方图Hist^O、Hist^B；计算颜色概率模型初始参数和式中，O、B分别代表前景和背景。