[发明专利]一种基于局部结构化回归的目标跟踪方法

说明书

本发明公开一种基于局部结构化回归的目标跟踪方法，包含以下操作步骤：选取目标框：根据目标选取目标框，目标框需要将目标完全包含，目标框为矩形，目标框的顶点分别为Q1(Xa，Yb)，Q2(Xb，Yb)，Q3(Xa，Ya)，Q4(Xb，Ya)，试样点选取：在S1得到的目标框中随机选取P1(X1，Y1),P2(X2，Y2)，P3(X3，Y3)三个试样点。该基于局部结构化回归的目标跟踪方法，采用目标框、试样点和颜色属性检验的方式对数据进行采集和处理后，再使用局部结构化回归的方式进行轨迹计算，以此对目标进行跟踪操作，避免了由于目标移动速率较快且目标图像随着移动而略微改变而导致的目标跟踪失败，降低跟踪难度的同时提高了工作效率。

技术领域

本发明涉及图像处理技术领域，具体为一种基于局部结构化回归的目标跟踪方法。

背景技术

在动态图像处理过程中，为了方便使用者的使用，有时需要使用目标跟踪的方式，时刻监控某一个目标的当前状态以及其移动轨迹，并在目标失去时，及时提示使用者作出相应的操作。

在现有技术中，采用图像比较的方式进行目标跟踪操作，容易出现由于目标移动速率较快且目标图像随着移动而略微改变而导致的目标跟踪失败，增加跟踪难度的同时降低了工作效率，给使用者的使用带来不便。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于局部结构化回归的目标跟踪方法，解决了在现有技术中，采用图像比较的方式进行目标跟踪操作，容易出现由于目标移动速率较快且目标图像随着移动而略微改变而导致的目标跟踪失败的问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

一种基于局部结构化回归的目标跟踪方法，包含以下操作步骤：

S1、选取目标框：根据目标选取目标框，目标框需要将目标完全包含，目标框为矩形，目标框的顶点分别为Q1(Xa，Yb)，Q2(Xb，Yb)，Q3(Xa，Ya)，Q4(Xb，Ya)；

S2、试样点选取：在S1得到的目标框中随机选取P1(X1，Y1),P2(X2，Y2)，P3(X3，Y3)三个试样点；

S3、试样点颜色属性提取：将S2中试样点的颜色进行记录(记录的属性分别为色调，明度，饱和度)，其中P1(A1，B1，C1)，P2(A2，B2，C2)，P3(A3，B3，C3)；

S4、对象点属性计算：P1的对象点K1的颜色属性为(A1±k，B1±k，C1±k)，P2的对象点K2的颜色属性为(A2±k，B2±k，C2±k)，P3的对象点K3的颜色属性为(A3±k，B3±k，C3±k)；

S5、跟踪操作开始：计算并记录出S1至S4中的数值，开始进行跟踪操作；

S6、对象点检测：根据S4中的对象点属性值检测对象点当前位置的集合，并分别计算对象点K1、K2和K3当前存在的数量W1，W2和W3，若W1,W2或W3中任意一个数值为0，则显示目标丢失，跟踪操作结束，若W1,W2或W3中任意一个数值小于15，则截取同时存在K1、K2和K3的记录框作为对象框，直接进行步骤S8，若不属于上述两种情况则继续进行步骤S7；

S7、对象框选取：将(0，0)，(Xa-Xb，0)，(0，Ya-Yb)，(Xa-Xb，Ya-Yb)作为初始对象框并进行平移选框操作，平移的规则为：对象框顶点的X值持续+F，当X值超出最大值时，将X值复位后Y值+F，以此进行重复选框，直到X值和Y值均超出最大值时停止操作，当所选框中同时存在K1、K2和K3时将X值+Xa-Xb(若当前X值+Xa-Xb后达到最大值，则将X值复位，Y值+F)并将当前所选框加入对象框的集合；