[发明专利]一种视频序列的目标跟踪方法

摘要

本发明公开了一种视频序列的目标跟踪方法，首先对目标图像进行归一化处理；接着根据初始帧的目标位置，提取目标的时空上下文信息，构建时空上下文模型，建立时空上下文模型与目标位置置信图的关系，从而进行目标跟踪；然后采用遮挡机制判定是否更新时空上下文模型的学习率，利用更新的学习率更新时空上下文模型；最后根据目标跟踪过程中前后帧之间的时空显著性建立尺度更新过程。本发明利用时空信息出发，结合遮挡处理机制和时空显著性对目标进行跟踪，可以有效提高目标跟踪鲁棒性与实时性。

主权项

1.一种视频序列的目标跟踪方法，其特征在于，包括以下步骤：(1)对目标图像进行归一化处理，减少光照干扰；(2)根据初始帧的目标位置，提取目标的时空上下文信息，构建时空上下文模型，建立时空上下文模型与目标位置置信图的关系，从而进行目标跟踪；该步骤的具体过程如下：(a)建立空间上下文模型与目标位置置信图的关系：式(1)中，P(x|m(z),o)是空间上下文模型，表示目标与周围上下文特征的空间关系，x是目标上某点位置坐标，z表示目标的上下文位置坐标，o为跟踪目标，X^c为上下文特征，定义X^c＝{m(z)＝(I(z),z)|∈Ω_c(x^*)}，I(z)为图像中z处的灰度值，Ω_c(x^*)是目标周围的上下文区域，P(m(z)|o)表示目标局部上下文先验概率；(b)令P(x|m(z),o)＝h^sc(x‑z)        (2)P(m(z)|o)＝I(z)ω_σ(z‑x^*)    (3)式(2)、(3)中，h^sc(x‑z)是关于目标和局部上下文位置z的相对距离和方向的函数，x^*为目标中心位置，ω_σ(z‑x^*)是加权高斯函数，定义为：式(4)中，a代表归一化常数，σ代表尺度参数；将式(2)‑(4)代入式(1)，得式(5)中，下标t表示第t帧；(c)根据空间上下文模型得到时空上下文模型：式(6)中，是空间上下文模型的傅里叶变换，是时空上下文模型的傅里叶变换，ρ_t代表学习率；(d)根据式(5)建立时空上下文模型与目标位置置信图的关系：式(7)中，F表示傅里叶变换；(e)目标中心通过求目标位置置信图m_t+1(x)的极值得到：(3)采用遮挡机制判定是否更新时空上下文模型的学习率，利用更新的学习率更新时空上下文模型；该步骤的具体过程如下：定义第t帧的峰值旁瓣比：式(9)中，μ_sl‑t和σ_sl‑t分别是置信图m_t(x)峰值周围12×12邻域内的均值和标准差；令Δm＝m_t‑m_t‑1(11)当且p_psr‑t≥p_th，Δm＜M_tol，表示目标处于逐渐走出遮挡，此时应对模型进行更新；当且p_psr‑t≥p_th，Δm＞M_tol，表示目标跟踪状态良好，此时应对模型进行更新；当或p_psr‑t＜p_th时，表示目标处于遮挡严重或全遮挡状态，此时不进行模型更新；其中，p_th为峰值旁瓣比的设定阈值，M_tol为目标置信图的变化量的设定阈值；更新时空上下文模型的学习率ρ_t：根据更新的学习率更新时空上下文模型：(4)根据目标跟踪过程中前后帧之间的时空显著性建立尺度更新过程。