[发明专利]一种适用于长程跟踪的鲁棒性视觉目标跟踪方法

权利要求书

1.一种适用于长程跟踪的鲁棒性视觉目标跟踪方法，其特征在于：首先，根据视频序列的初始帧图像与目标在初始帧中的位置信息提取随机的正负样本图像块用于目标外观模型的初始化训练；然后，对每个样本图像块提取特征得到一个低维特征向量，并利用定义的核函数将表示样本图像块的低维特征向量映射至高维特征空间；接着，将样本的高维特征向量集作为线性支持向量机模型的输入，计算出最优解即模型参数，从而完成目标外观模型的初始化；随后，对目标外观模型作进一步的逻辑斯蒂回归，并将建立起的目标外观模型置于粒子滤波的框架下，与中值流跟踪方法结合形成协同的跟踪回路；在跟踪过程中，对跟踪结果进行筛选选取可信度高的结果作为新样本，采用增量减量技术，将原始的外观模型与新样本结合在线更新外观模型，直到最后一帧结束更新，从而实现了鲁棒性的视觉目标跟踪。

2.根据权利要求1所述的适用于长程跟踪的鲁棒性视觉目标跟踪方法，其特征在于：在目标初始帧中密集分布网格，根据视频序列的初始帧图像与目标在初始帧中的位置信息提取正负样本，具体如下：根据给出的目标框尺度scale，在整幅图像上对scale*sizerate^[-m,m]的(2m+1)个尺度按照步长分别排布网格；然后求出全部这些网格与目标的重叠度overlap：

式中，R_T为目标框的区域；R_G为网格框的区域，随后根据重叠度值随机采集一定数量的正样本和负样本，sizerate为采样过程中不同尺度间的尺度缩放率。

3.根据权利要求1所述的适用于长程跟踪的鲁棒性视觉目标跟踪方法，其特征在于对样本图像块作特征提取得到低维特征向量：对每个样本块区域在RGB颜色空间下进行3*n_bin*n_bin通道的直方图统计得到一个3*n_bin*n_bin维的特征向量p＝{p⁽ⁿ⁾,n＝1,...,3*n_bin*n_bin}，考虑到光照的影响，另外再对图像进行R*R窗口的局部二值模式滤波计算，并对每个样本块统计旋转等价不变特性下的直方图，加上剩下的非等价模式像素的分布率得到一个10维的特征向量q＝{q⁽ⁿ⁾,n＝1,...,10}，将这两个分别反映了颜色及纹理分布的向量结合得到3*n_bin*n_bin+10维的联合特征x＝{p,q}用以表示每个图像块，n是用于表征特征向量维度的变量，x表示样本向量。

4.根据权利要求1所述的适用于长程跟踪的鲁棒性视觉目标跟踪方法，其特征在于使用线性支持向量机技术初始化目标外观模型：将采集的正负样本向量按行顺序拼接为矩阵，构成用于输出线性支持向量机的样本数据集其中，下标i表示样本序号；l表示样本数；y是样本的二值化标签，正样本为1，负样本为-1；为样本的输入空间；

根据采集的样本集，用线性支持向量机的方法训练模型，即通过下述公式的优化求解参数w和b解得模型：

其中，min(·)为求取极小值；L_h为合页损失函数；C为惩罚参数；f(x)＝w·Φ(x)+b为目标的决策函数，其实际的物理意义是一个定义在特征空间上的分离超平面，其中w，b分别为权重向量和偏差阈值，即通过求取这两个参数来确定正负样本的分离超平面，Φ(x)为映射函数即核函数，将样本由输入空间映射至特征空间H：

其中，K(·)为一个一元变换函数，可将线性支持向量近似于交叉核支持向量机；x表示样本向量，下标+表示样本为正样本；exp(·)表示以e为底的幂次方求解；mean(·)为均值求解。