[发明专利]基于认知网络的目标跟踪方法

权利要求书

1.一种基于认知网络的目标跟踪方法，其特征在于，建立目标模板的局部直方图模型序列来对目标进行描述，将目标侯选区的局部直方图模型输入到认知网络中进行匹配计算，将最大匹配值的侯选区的中心位置确定为目标中心位置。

2.根据权利要求1所述的一种基于认知网络的目标跟踪方法，其特征在于，按照距离中心远近建立目标的多个局部直方图模型；设目标模板半径为R，距离目标模板中心距离为r的区域的局部色度直方图模型为q′_r＝{q′^r_u}，u＝1，2，...，m：

其中，m为像素色度划分等级数，u为色度等级变量，b_r(x_i，y_i)为距离模板中心为r的像素点(x_i，y_i)的色度等级值，s为距离目标模板中心距离为r的区域内的像素总数量，函数δ(·)定义为：

归一化后的直方图模型为：

设目标候选区域的半径为R′，R′＞R，则距离候选区中心距离为r的区域的局部色度直方图模型为p′_r＝{p′^r_u}，u＝1，2，...，m：

归一化后的直方图模型为：

由此可组成直方图向量[p^r₁，p^r₂，...，p^r_u]^T。

3.根据权利要求1所述的一种基于认知网络的目标跟踪方法，其特征在于，认知网络由输入层、计算层、联想层和竞争输出层四层结构组成；第一层为输入层，有m个神经元，对应距离候选区中心距离为r的像素色度等级分布向量[p^r₁，p^r₂，...，p^r_m]^T；第二层为计算层，该层共有m×R个神经元，该层网络的第i行第j列的神经元输出h_ij为：

第三层为联想层，有R个神经元，第k个神经元的输出y_k为：

其中，θ为设定的阈值；

第四层为竞争输出层，其输出结果z_r为：

z_r＝max(y_k|k＝1，2，...，R) (8)。

4.根据权利要求1所述的一种基于认知网络的目标跟踪方法，其特征在于，实现目标识别与跟踪的过程如下：

Step 1.建立跟踪模板的等中心距离直方图模型序列{q^r_u|r＝1，2，...，R；u＝1，2，...，m}；

Step 2.利用先验知识在跟踪窗内获取N个目标后选区，若无先验知识，则N为跟踪窗内所有像素点数；确定N个候选区中心点集合为：{A₁，A₂，...，A_N}；

Step 3.初始化当前候选区为l＝1；

Step 4.建立当前候选点周围区域的等中心距离直方图序列{p^r＝[p^r₁，p^r₂，...，p^r_m]^T，r＝1，2，...，R′}；

Step 5.计算当前候选区的识别结果M_l及目标尺寸R_l：

(步骤a)设M_l＝0，r＝1，R_l＝0；

(步骤b)将p^r输入到联想网络汇总，计算输出结果z_r；

(步骤c)如果z_r＞0，则M_l＝M_l+z_r，r＝r+1：

{

如果r≤R′，则返回(步骤b)继续计算；

否则R_l＝R′，并转至Step6；

}

如果z_r＝0，则R_l＝r-1，并转至Step6；

Step 6.l＝l+1，如果l≤N，则返回Step4继续计算，否则转至Step7；

Step 7.设M_t＝max{M_l|l＝1，2，...，N}，则A_t为识别目标结果，且目标半径尺寸为R_t。