[发明专利]一种考虑目标运动信息的视频目标跟踪方法

说明书

一种考虑目标运动信息的视频目标跟踪方法，包括步骤：通过状态转移模型估计目标的运动状态并获得候选样本，用于后续样本位置权重分配与置信度决策，以得到准确目标；通过位置权重分配模型提出一种假设的概率分布，给处于不同位置的样本分配权重，计算获得样本位置因子，用于后续的置信度决策；通过置信度决策模型参考每个候选样本的位置因子计算每个样本的置信度，并选择置信度最大的样本作为目标；通过自适应模板更新模型根据目标运动状态的不同采用不同的更新策略对模板进行更新。本发明将目标的运动信息充分融入目标跟踪算法中，尤其当目标运动速度较快时，有针对性的获取样本、分配权重、决策和更新方式有效的提高了跟踪的效率，应用价值高。

技术领域

本发明属于目标跟踪技术领域，具体涉及一种考虑目标运动信息的视频目标跟踪方法。

背景技术

运动目标跟踪是计算机视觉领域的一个重要研究方向，广泛应用于安全监控、视觉导航及军事事件处理等领域。视频目标跟踪的主要任务是跟踪图像序列中人们关注的运动目标。在实际的跟踪过程中，目标会发生尺度变化、形变和旋转等形态改变，或是受到背景丛簇，遮挡和光照等外界因素的干扰，同时也会有目标自身运动状态变化的情况，给目标的准确跟踪带来挑战。

针对上述技术问题，为了更准确的跟踪目标，现有的视频目标跟踪算法多采用粒子滤波框架下的基于稀疏表示的跟踪方法。然而这种方法多关注于目标本身特征或遮挡、光照等外界因素对目标特征带来的影响，忽略了目标的运动特性，没有考虑目标的实际运动状态信息。尤其在目标发生快速运动时，粒子滤波框架下简单高斯无预测的状态转移模型可能导致在目标会出现的方位没有候选样本，同时在决策时忽视目标运动信息带来的不同方位样本的权重不同，最终带来目标跟踪的失败。

发明内容

针对目前粒子滤波框架下基于稀疏表示的目标跟踪方法的不足，本发明的目的在于提出了一种考虑目标运动信息的视频目标跟踪方法，该方法充分考虑目标的运动信息，获得有针对性的候选样本，根据样本所处方位不同分配权重并提出位置因子用于决策，提出基于目标运动信息的决策模型和自适应的更新策略，以提高跟踪的准确性。

为达到上述目的，本发明采取如下的技术方案来实现：

一种考虑目标运动信息的视频目标跟踪方法，包括以下步骤：

1)通过状态转移模型估计目标的运动状态并获得候选样本，用于后续样本位置权重分配与置信度决策，以得到准确目标；

2)将获得的候选样本输入位置权重分配模型，该模型中提出一种假设的概率分布，给处于不同位置的样本分配权重，计算获得样本位置因子，用于后续的置信度决策；

3)将得到的样本位置因子输入置信度决策模型，并参考稀疏判别式分类器整体表征得到的整体响应与稀疏生成式模型得到的局部响应计算每个样本的置信度，选择置信度最大的样本作为当前帧目标；

4)通过自适应模板更新模型根据当前帧目标运动状态的不同采用不同的更新策略对模板进行更新。

本发明进一步的改进在于，状态转移模型中，先利用简单高斯无预测模型获得n₁个候选样本，再在此基础上根据运动信息预测的目标运动状态，获得n₂个有针对性的候选样本，共得到n₁+n₂个候选样本，其中，100≤n₁≤250，210≤n₂≤350，310≤n₁+n₂≤600。

本发明进一步的改进在于，估计目标的运动状态，该运动状态的估计包括目标可能出现的7个运动方向的估计和目标运动距离的估计：