[发明专利]一种基于加权分布场的目标跟踪方法

摘要

本发明公开了一种基于加权分布场的目标跟踪方法，结合目标前景和背景信息的加权分布场目标表示方法，同时基于相关系数的模板匹配算法与提出的加权分布场目标表示结合，克服了原始分布场算法在跟踪过程中忽略背景等有用信息的缺点，排除了跟踪过程中目标的旋转、缩放，光照变化，快速运动，背景干扰等复杂场景的影响。

主权项

一种基于加权分布场的目标跟踪方法，其特征在于：包括以下步骤：1)将视频图像转化为灰度图像，对于第一帧视频图像转化的灰度图像，利用Kronecker delta函数将其转化为一个分布场d；然后对分层后的图像进行高斯平滑，包括x和y方向上的图像域平滑和第三维上的特征域平滑，高斯平滑后分布场各像素每一列积分为1；2)对第一帧灰度图像进行手动标记目标位置：以一个矩形框划定目标区域，标记出矩形框左上角坐标(x，y)，以及矩形框的宽度、高度；并将目标模板设定为dt(i,j,k)，其中i和j分别索引灰度图像的行和列，k表示所在的分布场的层数；3)按照步骤1)的方法将目标所在帧之后的一帧视频图像转化为分布场；然后分别在目标区域周围选定目标候选区域，在距离目标区域一定距离的位置作为背景区域并采集大量背景样本，其中目标候选区域是位于目标区域和背景区域之间环形区域；背景样本在目标候选区域之外随机采集，大小与目标区域相同；4)利用基于相关系数的模板匹配方法和加权分布场跟踪方法进行目标表示，并根据候选块区域的各分布场层与目标、与背景相应层的相似度，为有判别力的分布场层赋予更大的权重，与目标越相似，与背景越相异，则权重越大，反之则越小；然后对候选块区域与目标区域相应层的相关系数进行加权，与目标越相似，与背景越相异，则权重越大，反之则越小；最后各分布场层相关系数加权和最大的候选块区域即为目标位置；5)在目标位置下次定位之前对目标模板进行更新；6)重复步骤3)到5)的方法，直到视频序列结束，完成跟踪；所述的步骤4)中加权分布场跟踪方法过程如下：首先，模板T的尺寸为M×N，模板T在灰度图像S上平移，i、j为模板T所覆盖的子图左上角顶点在灰度图像S中的坐标，将在第一帧中手动标记的目标模板记为T(K)，目标候选区域记为S(K)，对于目标候选区域中的每个候选块区域Sij(K)与目标模板T(K)各相应层根据下式计算相关系数Rij(k),k＝1,2,…,K：R(i,j)=Σm=1MΣn=1NSij(m,n)×T(m,n)Σm=1MΣn=1N[Sij(m,n)]2Σm=1MΣn=1N[T(m,n)]2;]]>考虑到相关系数本身即是对相似性的度量，则候选块区域Sij(K)与目标模板T(K)各层的相关系数Rij(k),k＝1,2,…,K即是两者相似性的评价标准；将背景模板转化为分布场后计算候选块区域与其各层的相关系数Bij(k),k＝1,2,…,K；则权重wij(k),k＝1,2,…,K用以下公式表示： wij(k)＝Rij(k)/Bij(k)则候选块区域Sij(K)与目标模板T(K)各层相关系数加权和Cij用以下公式表示：Cij=Σk=1Kwij(k)Rij(k)=Σk=1KRij(k)2/Bij(k)]]>最终Cij最大的候选块区域即为目标位置。