[发明专利]基于目标概率模型的自适应融合互补学习实时跟踪方法

权利要求书

1.一种基于目标概率模型的自适应融合互补学习实时跟踪方法，其特征在于，包括以下步骤：

按下式计算所述互补学习实时跟踪方法中的整体匹配值矩阵r：

r＝(1-γ)r_cf+γr_hist

其中，γ为融合系数，r_cf为搜索区域ο与t-1帧图像I_t-1的方向梯度直方图匹配值矩阵，r_hist为所述搜索区域ο与t-1帧图像I_t-1的颜色直方图匹配值矩阵；

所述融合系数γ的计算包括以下步骤：

步骤S410：获取目标概率模型值β，所述目标概率模型值β：以t-1帧图像I_t-1中目标的颜色直方图除以所述搜索区域ο的颜色直方图，得到所述目标概率模型值β；

步骤S420：当所述目标概率模型值β小于第一阈值ε时，按下式计算融合系数γ：

式中，n_e为目标区域内的像素数，β为目标概率模型值，所述第一阈值ε的取值范围为0～1之间；

步骤S430：当所述目标概率模型值β大于或者等于所述第一阈值ε时，按下式计算融合系数γ：

式中，ξ为超参数；

所述搜索区域ο与t-1帧图像I_t-1的方向梯度直方图匹配值矩阵r_cf，按以下步骤获得：

获取所述搜索区域ο的方向梯度直方图特征并与t-1帧图像I_t-1生成的方向梯度直方图特征进行匹配，得到第二匹配值矩阵，所述第二匹配值矩阵作为所述方向梯度直方图匹配值矩阵r_cf；

所述搜索区域ο与t-1帧图像I_t-1的颜色直方图匹配值矩阵r_hist，按以下步骤获得：

获取搜索区域ο的颜色直方图特征并与t-1帧图像I_t-1生成的颜色直方图特征进行匹配，得到第三匹配值矩阵，所述第三匹配值矩阵作为颜色直方图匹配值矩阵r_hist；

所述方法包括以下步骤：

步骤S100：以t-1帧图像中目标位置P_t-1为中心，以t-1帧图像尺寸为匹配区域尺寸，在t-1帧图像中目标尺寸的倍数内生成所述搜索区域ο；

步骤S400：按式r＝(1-γ)r_cf+γr_hist得到所述搜索区域ο与t-1帧图像I_t-1的整体匹配值矩阵r；

步骤S500：以所述整体匹配值矩阵r中的最大值M_p对应位置作为t帧图像中目标位置P_t；

步骤S600：判断是否为最后一帧图像，如果是则结束，如果不是则返回至所述步骤S100。

2.根据权利要求1所述的方法，其特征在于，所述步骤S420为：

当所处理视频中目标出现快速运动、运动模糊以及跟踪图像分辨率较低时，按下式计算融合系数γ：

式中，n_e为目标区域内的像素数，β为目标概率模型值，θ为第二阈值，p为由积分图计算得到的颜色直方图值，ξ为设定的超参数；

p＝∫β_jdu。