一种基于局部背景学习的视频跟踪方法
【专利摘要】本发明提供一种基于局部背景学习的视频跟踪方法，包括：通过所述贝叶斯框架对要跟踪的目标和所述目标的局部背景的时空关系进行建模以建模目标和局部背景的时空关系，同时采集所述目标的多个多维图像，利用符合压缩感知条件的随机感知矩阵对采集到的目标的多个多维图像特征进行降维，得到多个多维图像的特征向量；根据多个多维图像的特征向量，对降维后的多维图像采用所述朴素贝叶斯分类器进行分类，并依据目标位置的似然置信图估计目标出现的位置；基于目标结构约束条件，通过所述集合器输出与前一帧跟踪成功的目标重叠度最大的目标作为最终的跟踪目标。本发明适用于复杂条件下的视频目标跟踪，具有很强的辨别能力，跟踪准确性高。
【专利说明】—种基于局部背景学习的视频跟踪方法
【技术领域】
[0001]本发明属于计算机视觉跟踪【技术领域】，涉及一种视频跟踪方法，特别是涉及一种基于局部背景学习的视频跟踪方法。
【背景技术】
[0002]目前，视频跟踪算法根据应用模型的不同主要分为两类:基于产生式模型的跟踪算法和基于判别式模型的跟踪算法。前一种跟踪算法的代表性方法有基于模板匹配的跟踪算法等，该类方法通过在图像中搜索与给定模板最匹配的子区域来实现跟踪，它忽略了目标周围背景信息。后一种跟踪算法代表性方法有检测学习跟踪(TLD)和压缩感知跟踪(CT)等，该类方法将跟踪视为一个二分类问题，寻找目标与背景间的决策边界来实现跟踪，计算复杂度高，无法保证跟踪实时性要求。
[0003]压缩感知跟踪方法(俗称CT算法)利用符合压缩感知条件的随机感知矩阵对多尺度图像特征进行降维，然后在降维后的特征上采用朴素贝叶斯分类器进行分类来实现跟踪，自从其提出后就成为了视觉跟踪领域的重要方法。虽然CT算法取得了巨大的成功，但是其存在两个主要的缺点:1)在严重遮挡情况下，跟踪器会失效；2)当目标与背景相似，跟踪器会漂移至背景，导致跟踪失败，这是因为其忽略了背景信息。
[0004]在视觉跟踪中，局部背景信息包含目标和其相邻的图像区域。在连续的视频帧中，目标与背景之间存在强烈的时空关系，而这种时空关系有助于重新定位目标位置，并帮助解决背景与目标相似情况下的二义性问题。比如严重遮挡使目标造成很大的形变，但是含有目标的局部背景区域仍然保持相似，只有小部分背景区域被遮挡。因此，利用当前帧的局部背景信息可以预测下一帧的目标位置。
[0005]虽然最近几十年视频目标跟踪问题获得了广泛的研究并取得了长足的进步，但还存在许多不足。现实环境中的许多情况(如光照变化，姿态变化和遮挡等)都会影响跟踪的性能，因此设计一个能适应背景场景可变，并保证跟踪的准确性和跟踪的实时性的目标跟踪算法，仍然是一项挑战性的任务和急需解决的课题。
【发明内容】
[0006]鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于局部背景学习的视频跟踪方法，用于解决现有技术中视频跟踪方法无法保证跟踪的准确性和跟踪的实时性导致影响目标跟踪的性能的问题。
[0007]为实现上述目的及其他相关目的，本发明提供一种基于局部背景学习的视频跟踪方法，应用于包括贝叶斯框架、朴素贝叶斯分类器、集合器的基于局部背景学习的视频跟踪系统，包括:步骤1，通过所述贝叶斯框架对要跟踪的目标和所述目标的局部背景的时空关系进行建模以建模目标和局部背景的时空关系，同时采集所述目标的多个多维图像，利用符合压缩感知条件的随机感知矩阵对采集到的目标的多个多维图像特征进行降维，得到多个多维图像的特征向量；步骤2，根据多个多维图像的特征向量，对降维后的多维图像采用所述朴素贝叶斯分类器进行分类，并依据目标位置的似然置信图估计目标出现的位置；步骤3，基于目标结构约束条件，通过所述集合器输出与前一帧跟踪成功的目标重叠度最大的目标作为最终的跟踪目标。
[0008]优选地，所述目标位置的似然置信图是指:
【权利要求】
1.一种基于局部背景学习的视频跟踪方法，应用于包括贝叶斯框架、朴素贝叶斯分类器、集合器的基于局部背景学习的视频跟踪系统，其特征在于，包括: 步骤1，通过所述贝叶斯框架对要跟踪的目标和所述目标的局部背景的时空关系进行建模以建模目标和局部背景的时空关系，同时采集所述目标的多个多维图像，利用符合压缩感知条件的随机感知矩阵对采集到的目标的多个多维图像特征进行降维，得到多个多维图像的特征向量； 步骤2，根据多个多维图像的特征向量，对降维后的多维图像采用所述朴素贝叶斯分类器进行分类，并依据目标位置的似然置信图估计目标出现的位置； 步骤3，基于目标结构约束条件，通过所述集合器输出与前一帧跟踪成功的目标重叠度最大的目标作为最终的跟踪目标。
2.根据权利要求1所述的基于局部背景学习的视频跟踪方法，其特征在于:所述目标位置的似然置信图是指:
3.根据权利要求2所述的基于局部背景学习的视频跟踪方法，其特征在于:所述局部背景模型的条件概率的函数公式为P(x|m(z)，0) =h(x-z)，其中，h(x-z)表示为目标X和目标在局部背景中的位置z的相对距离和方向的函数。
4.根据权利要求1所述的基于局部背景学习的视频跟踪方法，其特征在于:所述局部背景模型的先验概率POn(Z) O)的函数公式为P(m(Z) ο) = I (ζ) ω 0 (ζ-χ*);其中，Ι(ζ)为目标在局部背景中的位置ζ的图像灰度，ω。(ζ-χ*)为一加权函数，
5.根据权利要求1所述的基于局部背景学习的视频跟踪方法，其特征在于:所述目标 和局部背景的时空关系为
6.根据权利要求1所述的基于局部背景学习的视频跟踪方法，其特征在于:跟踪目标的置信度为
7.根据权利要求1所述的基于局部背景学习的视频跟踪方法，其特征在于:目标X的局部背景模型更新率的计算公式为Ht+1(x) = (1-P) Ht(X)+ Pht(x)，其中，t为图像视频帧次序，Ht(X)为最终目标X第t帧的局部背景模型更新率，ht(x)为最终目标X第t帧时与局部背景的相对距离和方向的函数，P为学习参数。
8.根据权利要求1所述的基于局部背景学习的视频跟踪方法，其特征在于:所述随机
感知矩阵为Anxm,其矩阵
9.根据权利要求1所述的基于局部背景学习的视频跟踪方法，其特征在于:所述目标的运动轨迹是连续的。
【文档编号】G06T7/20GK104021577SQ201410276173
【公开日】2014年9月3日 申请日期:2014年6月19日 优先权日:2014年6月19日
【发明者】李建勋, 张泳 申请人:上海交通大学