[发明专利]基于纹理特征的暗环境视频目标实时跟踪方法

权利要求书

1.一种基于纹理特征的暗环境视频目标实时跟踪方法，其特征在于，包括初始化阶段和目标跟踪阶段，所述初始化阶段包括以下步骤：

1)在初始化时，计算稀疏采样矩阵Θ：

a)计算信号采样矩阵Φ；

b)计算稀疏感知矩阵Ψ；

c)计算稀疏采样矩阵Θ，其中Θ＝Ψ·Φ；

2)创建一个由50个贝叶斯分类器级联而成的二分类朴素贝叶斯分类器H(x)，每一个弱分类器h_c(x_c)都是基于表示正标签y＝1和负标签y＝0的两个正态分布其中(μ_y，c，σ_y，c)表示标签为y的第c维特征对应的弱分类器的正态判别曲线的参数值；

所述目标跟踪阶段包括以下步骤：

1)对视频的第k帧进行目标探测

a)以第k-1帧跟踪到的目标O_k-1为中心进行候选样本采集，在第k帧内采集到n_y个欧氏距离满足的候选样本；

b)计算包含全部候选样本的最小矩形区域∪z(z∈z_y)，对该矩形区域图像片依次进行灰度化、旋转不变模式ULBP编码、向量积分，最终得到向量积分图I；

c)以稀疏采样矩阵Θ中的非零元素的对角线为标尺，用对角线减法从向量积分图I中提取每个候选样本的压缩编码特征值z→x(z∈z_y)；

d)将各个候选样本的压缩编码特征值x_r输入第k-1帧训练好的朴素贝叶斯分类器，对每个候选样本的特征进行分类，并计算分类得分分类得分最大的x_r对应的第r个样本即是第k帧跟踪到的目标O_k；

2)第k帧的分类器更新

a)以第k帧跟踪到的目标O_k为中心进行正负样本采集，在第k帧内采集到n₁个欧氏距离满足z₁＝{z|0≤||z-O_k||^l2≤r₁⁺}的正样本，在第k帧内采集到n₀个欧氏距离满足的负样本；

b)计算包含全部正负样本的最小矩形区域∪z(z∈z₁∪z₀)，对该矩形区域图像片依次进行灰度化、旋转不变模式ULBP编码、向量积分，最终得到向量积分图I；

c)以稀疏采样矩阵Θ中的非零元素的对角线为标尺，用对角线减法从向量积分图I中提取每个正负样本的压缩编码特征值z→x(z∈z₁∪z₀)；

d)对分类器进行更新

μy,c′←(1-λ)μy,c+λEXy,cσy,c′←[(1-λ)σy,c2+λDXy,c+λ(1-λ)(μy,c-EXy,c)2]1/2]]>

其中和分别是为正样本y＝1和负样本y＝0的均值和方差。