[发明专利]一种基于特征融合的目标跟踪方法和装置

说明书

本发明公开了一种基于特征融合的目标跟踪方法和装置，属于目标跟踪技术领域，通过将目标空间直方图和目标区域的HOG特征相融合，并计算其与候选区域空间直方图和候选区域HOG特征之间的相似度，并计算每个粒子位置的HOG特征与空间直方图特征的多特征权重计算结果，最后根据加权求和的结果确定目标的估计位置，充分利用HOG特征对图像几何和光学的形变能保持良好不变性的优点，一定程度上弥补空间直方图特征的不足，可以提高目标发生形变以及复杂背景等情况下目标跟踪的鲁棒性。

技术领域

本发明涉及目标跟踪技术领域，特别涉及一种基于特征融合的目标跟踪方 法和装置。

背景技术

目标跟踪在军事制导、视觉导航、机器人、智能交通、公共安全等领域有 着广泛的应用。例如，在车辆违章抓拍系统中，车辆的跟踪就是必不可少的。 所以，目标跟踪在计算机视觉领域中是一个很重要的分支。

其中，在众多目标跟踪算法中，基于粒子滤波的目标跟踪算法是近年来比 较流行的方法，粒子滤波是处理非高斯、非线性状态估计问题的有力理论工具， 也是构架目标跟踪算法的完备理论框架。由粒子权值的递推公式可知，观测模 板与目标模板之间的相似程度直接影响粒子权值的变化。在基于粒子滤波的空 间直方图目标跟踪算法中，是以每个粒子的颜色概率以及颜色的空间分布特征 来构建观测模板和目标模板，全局特征对目标区域内所有点的特征进行统计， 所以能够一定程度上抑制随机噪声。然而，当跟踪目标是人而不是固定的物体 时，由于人肢体动作的变化可能会导致颜色空间分布发生变化，这种单一的全 局特征构建的观测模板可能会因同一目标的不同动作而赋予的权重不同，大大 影响了目标跟踪的准确性和鲁棒性。而且在目标因尺度变化、光照突变、旋转 等引起的外观发生变化时，或者目标和背景相似度足够高时，这种特征将无法 可靠得作为区分目标和背景的依据，进而导致已有技术中的目标跟踪方法的准 确性和鲁棒性较差。

发明内容

为了解决现有技术的目标跟踪方法的准确性和鲁棒性较差的问题，本发明 实施例提供一种基于特征融合的目标跟踪方法和装置，将HOG特征与空间直方 图特征相融合，利用HOG特征对图像几何和光学的形变能保持良好的不变性， 弥补空间直方图特征的不足，可以提高目标发生形变以及复杂背景等情况下目 标跟踪的鲁棒性。所述技术方案如下：

第一方面，提供了一种基于特征融合的目标跟踪方法包括：

针对确定的目标区域，构建目标空间直方图和提取目标区域的HOG特征；

根据所述目标空间直方图和所述目标区域的HOG特征，初始化粒子滤波器；

根据状态转移方程，获取粒子状态转移；

构建候选区域空间直方图和提取候选区域HOG特征；

针对所述候选区域空间直方图和所述候选区域HOG特征，获取每个粒子位 置的多特征权重计算结果；

对所述粒子位置加权求和，根据加权求和的结果确定目标的估计位置。

可选的，所述针对确定的目标区域，构建目标空间直方图和提取目标区域 的HOG特征，具体为：

获取目标区域；

获取所述目标区域的所有像素坐标的均值向量和协方差矩阵；

获取所述目标区域的颜色直方图特征；

根据所述均值向量、所述协方差矩阵和所述颜色直方图特征，生成所述目 标区域的空间直方图特征；

归一化所述目标区域，并计算所述目标区域图像横坐标和纵坐标方向的梯 度；

根据所述横坐标和纵坐标方向的梯度计算每一个像素点位置的梯度方向 值；

将所述目标区域按照横坐标方向6个像素点和纵坐标方向6个像素点分割 成像素点单元，并统计所述像素点单元的梯度信息；