[发明专利]一种基于双向鉴别信息的目标跟踪方法

说明书

本发明提出了一种基于双向鉴别信息的目标跟踪方法，通过一种改进的粒子滤波方法对跟踪参数进行精确估计，对每个粒子进行操作时，采用了目标和背景的双向鉴别信息，因此每个粒子能够提供更多的信息，本发明方法在不需要太多数目粒子的条件下依然可以达到很好的跟踪效果。本发明提出的方法复杂度小，实时性强，能够有效的对目标视频进行跟踪，适用于各种视频监控系统。

技术领域

本发明属于图像处理、视频监控和计算机视觉的技术领域，特指一种基于双向鉴别信息的目标跟踪方法。

背景技术

随着智能交通、平安城市等一系列智能化概念的提出，智能视频监控技术成为计算机视觉领域一个新兴的应用方向和备受关注的前沿课题。其中在视频图像序列中对运动目标进行精确跟踪已成为该领域的一个热点研究方向。

在视频图像中进行目标频跟踪是指在连续相关的视频图像间，基于形状、纹理、色彩等有关特征对指定目标创建对应的匹配关系。目前常用的跟踪方法主要有基于区域信息的跟踪方法、基于特征信息的跟踪方法、基于形变模板的跟踪方法以及基于贝叶斯推断滤波技术的跟踪方法。其中基于滤波技术的跟踪方法可以通过预学习的状态模型很好的适应各种不同复杂环境的变化问题，并且采用了递归的迭代运算处理，计算效率有了很大提高。因此基于滤波技术的方法受到了各国学者广泛且深入的研究，成为目标跟踪领域的主流方法之一。

目前基于滤波技术的跟踪方法主要包括均值滤波跟踪、粒子滤波跟踪、卡尔曼滤波跟踪等，虽然各种方法很多，但在一些智能视频的实际应用场景下，跟踪效果依然差强人意，无法满足实际需求。

发明内容

本发明的目的在于提出一种基于双向鉴别信息的目标跟踪方法，其创新性在于通过一种改进的粒子滤波方法对跟踪参数进行精确估计，对每个粒子进行操作时，采用了目标和背景的双向鉴别信息，因此每个粒子能够提供更多的信息，本发明方法在不需要太多数目粒子的条件下依然可以达到很好的跟踪效果。

为实现上述技术目的，本发明的技术方案是，

一种基于双向鉴别信息的目标跟踪方法，包括以下步骤：

S1对目标进行视频拍摄，得到目标的视频序列图像{P_n(x,y)|n＝1,2,…N}。

S2在第一帧图像对目标跟踪进行初始化。

手动选择包含目标的一个矩形，记为目标矩形A(x,y)，目标矩形大小为a×b。然后以目标矩形A(x,y)的中心像素(x₀,y₀)为中心，再选择一个大小为(2a)×(2b)的矩形，这个矩形区域包含目标矩形A(x,y)，记属于这个矩形区域且不属于目标矩形的区域为B(x,y)，B(x,y)表示周围的背景信息。

S3在下一帧图像进行基于双向鉴别信息的目标跟踪；

S31选取M个粒子，每个粒子表示一个跟踪矩形，且第n+1帧的跟踪矩形的大小和第n帧的目标矩形的大小完全相同，所以每个粒子通过3个参数表示，其中表示跟踪矩形的权重，表示跟踪矩形的中心坐标，标号m∈{1,…,M}表示粒子的序号。

S32已知第n帧的目标矩形A(x,y)，中心像素为(x₀,y₀)以及周围的背景区域B(x,y)；接下来在第n+1帧图像上，以(x₀,y₀)为中心，随机选取50个位置作为粒子的中心坐标：

其中ε₁,ε₂均为[-1,1]内的随机数，β是一个常数，表示单帧像素偏移的范围。然后给每个粒子的权重赋初值，初始权重设为1/M。

S33计算每个粒子代表的跟踪矩形和前一帧的目标矩形的相似程度。