[发明专利]基于高阶累积量的目标跟踪方法、装置及存储介质

权利要求书

1.一种基于高阶累积量的目标跟踪方法，其特征在于，包括：

利用第一高阶累积量判断第k视频帧中的所述目标是否被遮挡，所述第一高阶累积量对应于所述第k视频帧中的目标图像在子空间的第一重构误差；

若所述第k视频帧中所述目标被遮挡，则利用随机游走模型及所述第k视频帧中的目标状态信息预测并抽取多个预测粒子，否则利用二阶自回归模型及所述第k视频帧中的目标状态信息预测并抽取多个所述预测粒子；

分别计算每个所述预测粒子在第k+1视频帧中对应的预测图像块在所述子空间的重构误差；

分别利用所述重构误差计算对应的每个所述预测粒子的重要性权值；

在所述目标在所述第k视频帧中被遮挡的情况下，利用第二重构误差计算第二高阶累积量；

判断所述第二高阶累积量是否大于预设阈值；

若所述第二高阶累积量大于预设阈值，则判定所述第k+1视频帧中的所述目标被遮挡，否则判定所述第k+1视频帧中的所述目标未被遮挡，所述第二高阶累积量对应于似然图像块在所述子空间的第二重构误差，所述似然图像块是所述重要性权值最大的所述预测粒子对应的预测图像块；

若所述第k视频帧和所述第k+1视频帧中所述目标均被遮挡，则将轨迹预测值作为所述第k+1视频帧中的目标图像，否则将所述似然图像块作为所述第k+1视频帧中的所述目标图像；

利用所述第k+1视频帧中的目标图像获取所述第k+1视频帧中的目标状态信息；

其中，所述第一重构误差e_k为：

其中，Z_k为所述第k视频帧中的目标图像，U为所述子空间，为样本均值，f_k(j)为所述第一重构误差中第j个像素点的灰度值，M_k为所述第一重构误差中像素点的个数；

所述第一高阶累积量C_k为：

第i个所述预测粒子在第k+1视频帧中对应的预测图像块在所述子空间的重构误差为：

其中，U为所述子空间，为样本均值，为所述重构误差中第j个像素点的灰度值，为所述重构误差中像素点的个数；

所述第二重构误差e_k+1,max为：

其中，Z_k+1,max为所述似然图像块，U为所述子空间，为样本均值，f_k+1,max(j)为所述第二重构误差中第j个像素点的灰度值，M_k+1,max为所述第二重构误差中像素点的个数；

所述第二高阶累积量为：

2.根据权利要求1所述的方法，其特征在于，

所述利用第一高阶累积量判断第k视频帧中的所述目标是否被遮挡包括：

判断所述第一高阶累积量是否大于预设阈值；

若所述第一高阶累积量大于预设阈值，则判定所述第k视频帧中的所述目标被遮挡，否则判定所述第k视频帧中的所述目标未被遮挡。