[发明专利]一种结合时空上下文信息的目标跟踪方法

摘要

本发明属于模式识别和计算机视觉领域，公开了一种结合时空上下文信息的目标跟踪方法，包括：利用第一帧图片训练初始的强分类器，并学习下一帧跟踪需要的时空上下文模型；当新的一帧到达时，利用训练好的强分类器对搜索区域的若干块进行评估，得到第一置信矩阵；然后综合时空上下文信息求得置信图函数，并利用该函数求取搜索区域各个块的置信值，得到第二置信矩阵；最后按照相应的权重线性组合得到最终的置信矩阵，找到最终的置信矩阵中置信值最大的块就是要跟踪的目标；本发明通过将目标的时空上下文信息结合到在线Boosting算法中，能够实现快速的鲁棒性跟踪。

主权项

一种结合时空上下文信息的目标跟踪方法，其特征在于，所述方法包括如下步骤：步骤1，获取视频图像中的第一帧图像，标定所述第一帧图像的目标区域，以所述目标区域为中心，将所述目标区域扩大得到搜索区域，搜索区域大小是目标区域大小的四倍，并将所述目标区域作为正样本，将所述搜索区域的四个边角区域分别作为四个负样本；其中，所述目标区域的大小与每个边角区域的大小相同；将所述正样本和四个负样本作为训练样本，根据所述训练样本得到强分类器；步骤2，根据第一帧图像学习空间上下文模型，并将其作为学习到的跟踪下一帧图像的时空上下文模型；步骤3，获取需要跟踪的当前帧图像，确定当前帧图像的初始搜索区域，当前帧图像的初始搜索区域以上一帧图像的目标区域为中心，且当前帧图像的初始搜索区域为上一帧图像的目标区域的四倍；对当前帧图像的初始搜索区域按照上一帧图像的目标区域大小进行分块，得到多个大小相同的待搜索子块；步骤4，根据强分类器对每个待搜索子块进行评估，得到每个待搜索子块的第一置信值，组成第一置信矩阵；步骤5，根据上一帧图像学习到的跟踪当前帧图像的时空上下文模型，求得置信图函数；确定每个待搜索子块的中心点，根据所述置信图函数、每个待搜索子块的中心点，分别求得每个待搜索子块的第二置信值，组成第二置信矩阵；步骤6，确定第一置信矩阵对应的权重的初始值为1/2，第二置信矩阵对应的权重的初始值为1/2，根据第一置信矩阵，第一置信矩阵对应的权重，第二置信矩阵以及第二置信矩阵对应的权重，线性组合得到最终的置信矩阵；并确定所述最终的置信矩阵中最大的置信值，该最大的置信值对应的待搜索子块为跟踪到的当前帧图像的目标区域；步骤7，确定当前帧图像的搜索区域，当前帧图像的搜索区域以当前帧图像的目标区域为中心，且当前帧图像的搜索区域是当前帧图像的目标区域的四倍；将当前帧图像的目标区域作为正样本，将当前帧图像搜索区域的四个边角区域分别作为四个负样本，对强分类器进行更新；步骤8，根据当前帧图像学习空间上下文模型，并结合上一帧图像学习到的跟踪当前帧图像的时空上下文模型，确定当前帧学习到的跟踪下一帧图像的时空上下文模型；步骤9，根据当前帧图像，对第一置信矩阵对应的权重，第二置信矩阵对应的权重进行更新；步骤10，重复执行步骤3至步骤9，直到完成需要跟踪的所有视频图像。