[发明专利]基于特征融合和贝叶斯分类的核相关滤波目标跟踪方法

摘要

本发明提供了一种基于特征融合和贝叶斯分类的核相关滤波目标跟踪方法，其特征在于：首先，给定初始帧目标的位置及尺度信息；然后，建立或更新标准目标外观模型、标准相关滤波器及标准颜色贝叶斯模型；之后，基于前一帧的目标中心点，提取搜索区域；利用高斯核的相关滤波器实现目标位移估计，利用颜色贝叶斯模型实现目标尺度估计，进而得到当前帧的跟踪结果。通过依次对各帧视频图像进行处理，实现对视频中运动目标的跟踪。该目标跟踪方法不仅可以有效解决视频中运动目标的精确定位问题，而且能够实现目标尺度估计。在多种具有挑战性的环境中，依然能够有效的对目标进行跟踪，具有一定的鲁棒性，提高了跟踪算法的精度。

主权项

1.一种基于特征融合和贝叶斯分类的核相关滤波目标跟踪方法，其特征在于：包括以下步骤：第1步，设定t＝1，捕获第一帧视频图像，选择待跟踪目标的矩形区域，得到目标中心位置和目标尺度；第2步，以第t帧视频图像的目标中心位置为中心，提取两倍于目标尺度的子窗口；对子窗口图像建立目标外观模型x；训练相关滤波器A和颜色贝叶斯模型R_b；第3步，判断t值大小：若t＝1，则将目标外观模型x作为标准外观模型训练相关滤波器A作为标准相关滤波器颜色贝叶斯模型R_b作为标准颜色贝叶斯模型若t＞1，则更新标准外观模型和标准相关滤波器根据PSR值的大小，更新标准颜色贝叶斯模型第4步，t自加1，捕获第t帧视频图像，以第t‑1帧视频图像的目标中心位置为中心，提取搜索区域；对搜索区域图像建立目标外观模型z；将目标外观模型z与当前的标准目标外观模型进行核空间映射得到映射结果将映射结果进行傅里叶变换，并利用当前的标准相关滤波器进行滤波处理，得到各个像素点输出响应找出最大的输出响应并将输出响应对应的像素点设定为第t帧视频图像的目标中心位置；根据所有像素点输出响应，计算PSR值；第5步，利用当前的标准颜色贝叶斯模型，计算出搜索区域内各个像素点属于跟踪目标的置信概率，进而得到搜索区域的置信图；将置信图依次进行空间先验分布模型处理、自适应阈值分割处理和形态学处理、最大连通域分析得到分割矩形；利用平滑性约束方程得到第t帧视频图像的目标尺度；第6步，判断第t帧视频图像是否为视频最后一帧图像：若是则结束跟踪，否则跳至第2步；在第5步中，所述利用当前的标准颜色贝叶斯模型，计算出搜索区域内各个像素点属于跟踪目标的置信概率，进而得到搜索区域的置信图；将置信图依次进行空间先验分布模型处理、自适应阈值分割处理和形态学处理、最大连通域分析得到分割矩形；利用平滑性约束方程得到第t帧视频图像的目标尺度，是指包括如下步骤：第5.1步，利用当前的标准颜色贝叶斯模型，计算出搜索区域内各个像素点属于跟踪目标的置信概率，进而得到搜索区域的置信图；第5.2步，建立空间先验分布模型：其中，c_x表示搜索区域内每个位置，c₀表示第t‑1帧视频图像的目标中心位置，σ₀表示先验分布的参数；将先验分布模型分别与各个像素点的置信图相乘以对各个像素点的置信图进行约束处理；第5.3步，采用自适应阈值分割法进行分割处理；然后进行形态学处理的闭操作和开操作，以填充分割导致的孔洞并排除孤立噪点；之后进行最大连通域分析得到尺寸为color_seg_sz的分割矩形；第5.4步，利用平滑性约束方程得到第t帧视频图像的目标尺度：其中，γ表示尺度更新参数。