[发明专利]基于AdaBoost算法的多源视频目标融合跟踪方法

说明书

本发明公开一种基于AdaBoost算法的多源视频目标融合跟踪方法，该方法以颜色和纹理特征为描述子对红外与可见光图像的目标样本与背景样本进行表征和Adaboost分类，并基于分类度计算得到红外与可见光图像的置信图；然后在置信图中分别计算它们的目标候选者与其模板置信图之间的相似度，并将两相似度进行加权融合，以构建联合目标函数；最后，对目标函数进行泰勒展开和求导等操作，推导出联合位移公式，并运用均值漂移算法完成目标搜索。本发明的跟踪器对目标遮挡、交汇以及环境的光照变化有较强的适应能力。

技术领域

本发明涉及计算机视觉跟踪技术领域，具体涉及一种基于AdaBoost算法的多源视频目标融合跟踪方法。

背景技术

目标跟踪是完成视觉监控、人机交互、车辆导航等诸多视频场景分析和理解任务的前提和基础。目前，实现目标跟踪的途径主要有两种：单源跟踪和多源跟踪。单源跟踪是对来源于一个视频源的目标对象进行跟踪，其主流方法有核密度估计、模式分类、稀疏表示和子空间分析等。多源跟踪即融合跟踪是通过多种(红外光与可见光)图像传感器对同一运动目标进行不同方位和不同特性的描述和记录，并对它们的数据进行联合来完成跟踪的，因而其时空覆盖范围要比单源跟踪方法更广、生存能力能要更强、可信度要更高。

论文“Visual object tracking based on adaptive confidence map fusion(基于置信图自适应融合的视觉目标跟踪)”(发表于《Radio Engineering(信号与信息处理)》)提出采用置信图集方法跟踪目标。论文“A new tracking approach for visibleand infrared sequences based on tracking-before-fusion(一种新的基于先跟踪后融合策略的可见光与红外光目标跟踪方法)”(发表于《International Journal ofDynamics&Control(国际动力与控制学学报)》)提出了先单独采用粒子滤波跟踪可见光目标，模板匹配法跟踪红外光目标，然后将两者的跟踪结果进行联合决策的先跟踪后融合策略。不难看出，当前的多源跟踪方法大多是在粒子滤波框架下实现的，其时间复杂度普遍较高。因此，有必要发明一种能融合跟踪复杂场景且快速的方法。

发明内容

本发明所要解决的是现有多源跟踪方法存在时间复杂度高的问题，提供一种基于AdaBoost算法的多源视频目标融合跟踪方法，其能够适用于较复杂场景下的目标跟踪。

为解决上述问题，本发明是通过以下技术方案实现的：

基于AdaBoost算法的多源视频目标融合跟踪方法，包括步骤如下：

步骤1、以颜色和纹理特征为描述子对红外光视频源图像与可见光视频源图像的目标样本与背景样本进行表征和AdaBoost分类，并基于分类度得到红外光视频源图像的红外光置信图与可见光视频源图像的可见光置信图；

步骤2、在红外光置信图中，采用巴氏系数计算红外光视频源图像的候选目标模型与其目标模型之间的相似度即红外光相似度；同时，在可见光置信图中，采用巴氏系数计算可见光视频源图像的候选目标模型与其目标模型之间的相似度即可见光相似度；

步骤3、将红外光相似度与可见光相似度进行加权融合，得到目标函数；并对目标函数进行泰勒展开，得到其线性逼近式，通过求该逼近式的导数，令导数等于零，从而推导出联合位移迭代公式；

步骤4、对联合位移迭代公式运用均值漂移算法即可完成目标搜索。

上述步骤3所推导出联合位移迭代公式z1为：