一种基于视觉显著原始目标的检测跟踪方法
【专利摘要】本发明公开了一种基于视觉显著原始目标的检测跟踪方法，其特征在于，包括以下步骤：步骤1、基于视觉显著信息、图像分割和K-means聚类算法检测视觉显著原始目标；步骤2、基于贝叶斯理论和概率统计知识，确定目标和视觉显著原始目标的联合分布，得到跟踪目标模型；步骤3、采用吉布斯抽样算法优化状态估计，基于视觉显著原始目标的空间位置、显著信息以及观测值，抽样近似联合概率，得到目标和视觉显著原始目标的状态序列；步骤4、基于贝叶斯理论的MAP（最大后验概率）算法得到当前帧中目标状态信息。本发明所述方法的目标跟踪抗干扰性能强，目标信息描述稳定，并且鲁棒性强。
【专利说明】一种基于视觉显著原始目标的检测跟踪方法
【技术领域】
[0001] 本发明属于计算机视觉【技术领域】，涉及一种视频目标跟踪方法，尤其涉及一种基 于视觉显著原始目标的检测跟踪方法。
【背景技术】
[0002] 目标跟踪是视频分析的核心技术，广泛应用于计算机视觉领域的多个方面，例如， 安全监控、视频压缩和机器人视觉系统等。在跟踪过程中，通过目标模型估计目标状态信 息。跟踪过程中的各种干扰，如背景干扰、遮挡、目标形状和光照变化等，仍是需要解决的技 术难题。特别是对非刚性目标，这些干扰因素可能引起目标模型的变化，导致跟踪方法失 效。
[0003] 为了提高跟踪的鲁棒性，研究人员提出很多不同的方法。基于检测的跟踪方法 将目标跟踪看作一个二分类问题，即将目标从前景信息中分离出来。例如：基于模型更新 的方法、基于目标增量在线学习的更新方法和在线稀疏主成分分析方法等。这些方法都 是以目标模型为基础的，在目标发生较大变化时，可能导致目标漂移，甚至丢失，抗干扰性 能差。文献"基于显著判别的目标跟踪"（Saliency_basedDiscriminantTracking.IEEE ConferenceonComputerVisionandPatternRecognition2009,pp. 1007 - 1013.),米 用基于图像不同区域和背景间的低维特征对比度信息的由下到上的显著图检测方法，其缺 点：一是对目标信息的描述不稳定，无法较好的分割目标和背景信息，且需要大量的目标先 验知识；二是对目标遮挡的鲁棒性较差，跟踪效果不稳定。
【发明内容】
[0004] 本发明的技术目的在于克服上述现有技术的缺陷，提供一种目标跟踪算法抗干扰 性能强、目标信息描述稳定、鲁棒性强的基于视觉显著原始目标的检测跟踪方法。
[0005] 本发明为解决所述技术问题所采用的技术方案是；
[0006] 一种基于视觉显著原始目标的检测跟踪方法，其特征在于，包括以下步骤：
[0007] 步骤1、基于视觉显著信息、图像分割和K-means聚类算法检测视觉显著原始目 标；
[0008] 步骤2、基于贝叶斯理论和概率统计知识，确定目标和视觉显著原始目标的联合分 布，得到跟踪目标模型；
[0009] 步骤3、采用吉布斯抽样算法优化状态估计，基于视觉显著原始目标的空间位置、 显著信息以及观测值，抽样近似联合概率，得到目标和视觉显著原始目标的状态序列；
[0010] 步骤4、基于贝叶斯理论的MAP(最大后验概率）算法得到当前帧中目标状态信息。
[0011] 在所述步骤1中，检测视觉显著原始目标的方法为：
【权利要求】
1. 一种基于视觉显著原始目标的检测跟踪方法，其特征在于，包括以下步骤： 步骤1、基于视觉显著信息、图像分割和κ-means聚类算法检测视觉显著原始目标； 步骤2、基于贝叶斯理论和概率统计知识，确定目标和视觉显著原始目标的联合分布， 得到跟踪目标模型； 步骤3、采用吉布斯抽样算法优化状态估计，基于视觉显著原始目标的空间位置、显著 信息以及观测值，抽样近似联合概率，得到目标和视觉显著原始目标的状态序列； 步骤4、基于贝叶斯理论的MP(最大后验概率）算法得到当前帧中目标状态信息。
2. 根据权利要求1所述的一种基于视觉显著原始目标的检测跟踪方法，其特征在于， 在所述步骤1中，检测视觉显著原始目标的方法为：
式中：G(·)为二维高斯滤波函数，I。为尺度大小c的图像，Ph(·)为图像傅里叶变换 相位谱。
3. 根据权利要求1所述的一种基于视觉显著原始目标的检测跟踪方法，其特征在于， 在所述步骤2中，确定目标和视觉显著原始目标的联合分布、所得到的跟踪目标模型为 ： p (Xt, yVz1:t) = pUVyDpCyVz1:1) = P(XVyt)PCrt, sVz1:t) (2) =p(xt/yt)p(st/rt, Zt) p (rVz1:t) 式中：P(XVyt)表示目标状态与观测值的条件概率分布，p (yVz1:t)表示视觉显著原始 目标状态与观测值的条件概率分布；目标状态与视觉显著原始目标状态的联合概率分布表 示为：
4. 根据权利要求1或3所述的一种基于视觉显著原始目标的检测跟踪方法，其特征在 于，所述的目标状态与观测值的条件概率分布为：
式中：/^火卜为简化计算，假定视觉显著原始目标之间相互独 立，基于贝叶斯理论简化视觉显著原始目标位置的后验概率为：
式中
分别表示高斯分布的均值和标准差； 视觉显著原始目标在t时刻的显著性条件概率表示为：
式中
表示位置//处的归一化视觉显著图。
5. 根据权利要求1所述的一种基于视觉显著原始目标的检测跟踪方法，其特征在于， 所述步骤3的具体实现方法为：首先采用基于预测的mean-shift算法初始化当前帧中 视觉显著原始目标初始位置4，检测视觉显著原始目标中心位置的显著图，并归一化5?;然 后基于下述条件概率分布依次抽样逼近联合概率分布：
式中：6表示除第i个视觉显著原始目标外所有原目标的位置信息，4表示除第i个 视觉显著原始目标外所有原始目标的显著性信息。
6. 根据权利要求1所述的一种基于视觉显著原始目标的检测跟踪方法，其特征在于， 在所述步骤4中，其MP (最大后验概率）算法表示为：
式中：P(X^yVznt)为目标和视觉显著原始目标状态的联合分布。
【文档编号】G06T7/20GK104392466SQ201410643310
【公开日】2015年3月4日 申请日期:2014年11月13日 优先权日:2014年11月13日
【发明者】杨欣, 张亚红, 沈雷, 张燕, 周延培, 周大可 申请人:南京航空航天大学