[发明专利]基于纹理特征的暗环境视频目标实时跟踪方法

摘要

本发明公开了一种基于纹理特征的暗环境视频目标实时跟踪方法。以多尺度矩形滤波器作为信号采样矩阵，以稀疏随机高斯矩阵作为压缩感知矩阵，借助向量积分图算法可快速提取样本特征；向量积分图步骤采用裁剪模版方法有效减少冗余计算。本发明利用旋转不变模式ULBP算子提取特征，适用于黑夜、井下光照条件差，目标可能发生旋转、形变的目标跟踪，识别率高，为目标跟踪提供了可靠的结果。

主权项

一种基于纹理特征的暗环境视频目标实时跟踪方法，其特征在于，包括初始化阶段和目标跟踪阶段，所述初始化阶段包括以下步骤：1)在初始化时，计算稀疏采样矩阵Θ：a)计算信号采样矩阵Φ；b)计算稀疏感知矩阵Ψ；c)计算稀疏采样矩阵Θ，其中Θ＝Ψ·Φ；2)创建一个由50个贝叶斯分类器级联而成的二分类朴素贝叶斯分类器H(x)，每一个弱分类器hc(xc)都是基于表示正标签y＝1和负标签y＝0的两个正态分布其中(μy，c，σy，c)表示标签为y的第c维特征对应的弱分类器的正态判别曲线的参数值；所述目标跟踪阶段包括以下步骤：1)对视频的第k帧进行目标探测a)以第k‑1帧跟踪到的目标Ok‑1为中心进行候选样本采集，在第k帧内采集到ny个欧氏距离满足的候选样本；b)计算包含全部候选样本的最小矩形区域∪z(z∈zy)，对该矩形区域图像片依次进行灰度化、旋转不变模式ULBP编码、向量积分，最终得到向量积分图I；c)以稀疏采样矩阵Θ中的非零元素的对角线为标尺，用对角线减法从向量积分图I中提取每个候选样本的压缩编码特征值z→x(z∈zy)；d)将各个候选样本的压缩编码特征值xr输入第k‑1帧训练好的朴素贝叶斯分类器，对每个候选样本的特征进行分类，并计算分类得分分类得分最大的xr对应的第r个样本即是第k帧跟踪到的目标Ok；2)第k帧的分类器更新a)以第k帧跟踪到的目标Ok为中心进行正负样本采集，在第k帧内采集到n1个欧氏距离满足z1＝{z|0≤||z‑Ok||l2≤r1+}的正样本，在第k帧内采集到n0个欧氏距离满足的负样本；b)计算包含全部正负样本的最小矩形区域∪z(z∈z1∪z0)，对该矩形区域图像片依次进行灰度化、旋转不变模式ULBP编码、向量积分，最终得到向量积分图I；c)以稀疏采样矩阵Θ中的非零元素的对角线为标尺，用对角线减法从向量积分图I中提取每个正负样本的压缩编码特征值z→x(z∈z1∪z0)；d)对分类器进行更新μy,c′←(1-λ)μy,c+λEXy,cσy,c′←[(1-λ)σy,c2+λDXy,c+λ(1-λ)(μy,c-EXy,c)2]1/2]]>其中和分别是为正样本y＝1和负样本y＝0的均值和方差。