1.一种基于加权模型约束的寻优匹配目标跟踪方法,其特征在于:包括以下步骤:步骤1:读取待跟踪的视频图像序列,将第一帧待跟踪视频图像序列作为训练图像;
步骤2:利用加权分割理论建立待跟踪视频图像的带权目标模型T′,具体方法如下:步骤2.1:标定出当前第一帧视频图像中的初始目标区域T;
2
步骤2.2:将目标区域的长、宽分别进行n等分,连接各个分割点得到n个大小相同的局2
部特征块,第u个局部特征块为Pu,u=1,2,…,n;
2
步骤2.3:根据局部特征块所在位置区域,将n个局部特征块划分为h个分割层,根据局部特征块所在的不同分割层,将局部特征块赋予不同权值,得到带权目标模型T′;
步骤3:读取第二帧待跟踪视频图像序列作为当前帧图像;
步骤4:在当前帧中,以第一帧圈定初始目标区域T的中心坐标为当前帧的中心点,以第一帧初始目标区域对角线的1.5倍进行扩展作为当前帧的对角线长度,得到当前帧的匹配前景区域;
步骤5:利用双向最优相似匹配方法进行目标检测,通过计算当前帧前景区域中的局部特征块与建立的带权目标模型T′之间的相似性,确定匹配到的跟踪目标,具体方法为:步骤5.1:将当前帧的匹配前景区域分割成M个与带权目标模型T′中的局部特征块大小相同的局部特征块,当前帧的匹配前景区域分割的第m个局部特征块为Qtm,t表示当前图像的帧数,m=1,2,…,M;
步骤5.2:选择带权目标模型T′中的每一个局部特征块Pu={pui},与当前帧的匹配前景区域中的每个局部特征块Qtm进行双向最优相似匹配(optimal similarity matching,简称OSM),获得当前帧的匹配前景区域中的最优匹配块P′tu={p′tui},其中,i∈1,…,N,N表示最优匹配块P′tu中像素的总个数,pui、p′tui分别为第u个局部特征块Pu和当前帧第u个最优匹配块P′tu中的第i个像素点;具体匹配方法为:步骤5.2.1:计算每个局部特征块Pu与当前帧的匹配前景区域中的每个局部特征块Qtm={qtmj}之间的最优相似距离,如下式所示,其中,d(pui,qtmj)表示第u个局部特征块Pu中的第i个像素点pui与当前帧的匹配前景区域中的第m个局部特征块Qtm中的第j个像素点qtmj之间的最优相似距离,j∈1,…,N;A表示颜色特征,即RGB,L表示纹理特征,即LBP;
固定u的值,求第u个局部特征块Pu中的像素点pui与当前帧的匹配前景区域中的所有局部特征块Qtm中的像素点qtmj之间的最优相似距离;然后固定m的值,求所有局部特征块Pu中的像素点pui与当前帧的匹配前景区域中的第m个局部特征块Qtm中的像素点qtmj之间的最优相似距离;
步骤5.2.2:计算集合Pu与Qtm之间的最优匹配对(Optimal Matching Pair,简称OMP),如下式所示,
其中, 为像素点pui的权重,
pu、qtm分别表示集合Pu、Qtm中的任意像素点;
步骤5.2.3:计算集合Pu与Qtm之间的最优匹配对期望值EOMP,如下式所示,其中,pr(Pu)、pr(Qtm)分别表示集合Pu、Qtm的条件概率函数;
步骤5.2.4:计算集合Pu与Qtm之间的最优相似匹配期望值EOSM,如下式所示,2
步骤5.3:重复步骤5.2,直到带权目标模型T′中的所有n个局部特征块匹配完全;
2
步骤5.4:整合匹配到的所有n个最优匹配块P′tu,从而得到当前帧匹配到的跟踪结果区域;
步骤6:判断当前图像的帧数t是否小于3;若是,则执行步骤7;否则,执行步骤8;
步骤7:读取下一帧待跟踪视频图像序列作为当前帧图像;在当前帧中,以前一帧圈定跟踪结果区域的中心坐标为当前帧的中心点,以前一帧圈定跟踪结果区域对角线的1.5倍进行扩展作为当前帧的对角线长度,得到当前帧的匹配前景区域,然后返回步骤5;
步骤8:判断当前图像的帧数t是否大于6,若是,则执行步骤9,否则,执行步骤12;
步骤9:计算当前帧匹配到的各个最优匹配块P′tu与前一帧匹配到的各个最优匹配块P′(t‑1)u之间的中心距离dtu,如下式所示,其中,(xtu,ytu)为当前帧匹配到的第u个最优匹配块P′tu的中心点坐标,(x(t‑1)u,y(t‑1)u)为前一帧匹配到的第u个最优匹配块P′(t‑1)u的中心点坐标;
2
步骤10:计算当前帧所有n 个最优匹配块与前一帧匹配到的各个最优匹配块之间的平均中心距离 如下式所示,
步骤11:利用距离决策方法判断当前帧各个最优匹配块是否发生误匹配,并根据其遮挡情况,重新构造当前帧的匹配目标区域;
步骤12:根据当前图像的帧数判断是否需要对当前待跟踪视频图像的带权目标模型T′进行更新,具体方法为:
步骤12.1:判断当前图像的帧数t是否为5的倍数,若是,则更新当前待跟踪视频图像的带权目标模型,执行步骤12.2,否则,执行步骤12.3;
步骤12.2:根据当前帧的跟踪结果和当前带权目标模型的目标特征分布进行加权融合,得到待跟踪视频图像更新后的带权目标模型的目标特征分布,更新公式如下式所示,T′update=aQt+(1‑a)T′;
其中,Qt为当前帧跟踪结果中的目标特征分布,T′表示当前待跟踪视频图像的带权目标模型的特征分布,T′update为更新后的带权目标模型的特征分布,a为更新权重;
步骤12.3:将当前待跟踪视频图像的带权目标模型作为待跟踪视频图像更新后的带权目标模型;
步骤13:判断当前图像帧数t是否达到待跟踪视频图像序列的总个数tn,若是,则得到待跟踪视频图像序列的跟踪结果,否则,返回步骤7,进行下一帧视频图像的处理。
2.根据权利要求1所述的一种基于加权模型约束的寻优匹配目标跟踪方法,其特征在于:所述步骤2.3的具体方法为:2
步骤2.3.1:根据局部特征块所在位置区域,将n 个局部特征块划分为h个分割层,排列方式为最外层为第一层,最内层(即中心局部块)为第h层;
步骤2.3.2:根据局部特征块所在的不同分割层,将局部特征块赋予不同权值,权值分配方式为
其中,k表示层数,k=1,2,...,h;h表示总层数,h=3、5或7;pk表示第k层局部特征块中的像素点; 表示第k层局部特征块中的像素点所分配的权值;
步骤2.3 .3:将初始目标模型T加权,构造带权目标模型T′,T′=C×T,
3.根据权利要求1所述的一种基于加权模型约束的寻优匹配目标跟踪方法,其特征在于:所述步骤11的具体方法为:
步骤11.1:利用距离决策方法判断当前帧各个最优匹配块是否发生误匹配,判断公式如下两式所示:
其中, 分别表示第t、t‑1、t‑2、t‑3帧的最优匹配块与前一帧最优匹配块间的平均中心距离, 表示连续相邻5帧的平均中心距离; 表示距离误差范围,Dt表示决策范围;
若中心距离dtu不在决策范围Dt内,则认为相应的最优匹配块P′tu发生误匹配,执行步骤
11.2;否则,认为相应的最优匹配块P′tu没有发生误匹配,执行步骤11.3;
步骤11.2:舍弃中心距离为dtu的最优匹配块P′tu,同时,利用平均中心距离 估计被舍弃的最优匹配块位置,并与中心距离在决策范围Dt内的其他最优匹配块相结合来确定当前帧的跟踪结果;
步骤11.3:将当前帧的匹配结果作为当前帧的跟踪结果。