| 主权项 |
一种基于蒙特卡洛树搜索的对象跟踪方法，包括如下步骤：步骤一、目标选取从初始图像中选择并确定要跟踪的目标对象；目标选取过程可以通过运动目标检测方法自动提取，也可以通过人机交互方法手动指定；步骤二、初始化：将当前目标位置作为蒙特卡洛树的根节点，初始时该蒙特卡洛树只有此根节点，然后将蒙特卡洛树的根节点作为当前预测轨迹的起始节点R；步骤三、图像输入：在实时处理情况下，提取通过摄像头采集并保存在存储区的视频图像，作为要进行跟踪的输入图像；在离线处理情况下，将已采集的视频文件分解为多个帧组成的图像序列，按照时间顺序，逐个提取帧图像作为输入图像；这里每一次获取并处理H帧图像，即每次确定的目标轨迹长度和每次蒙特卡洛树模拟的深度为H；这里H＝30；如果可获得的输入图像数目不足H，则根据实际获得的图像数目设置H；如果输入图像为空，则跟踪结束；设置迭代次数N＝1；步骤四、节点选择：从起始节点R开始，以其子节点的权重为概率，逐层随机选择子节点，直到树的叶节点；第1次迭代时，起始节点即为选择的叶节点；设本次迭代选择的叶节点为L，如果L的深度小于H，则跳转到步骤五，否则，迭代次数N加1，并重新进行节点选择；步骤五、节点扩展：以叶节点L对应的图像位置为中心，在15×15的范围内，为该节点扩展出225‑1＝224个子节点，每个子节点对应该范围内一个不同的位置，且每个子节点的初始权重均为1；然后，以扩展出来的这些子节点权重为概率随机选择1个子节点作为模拟节点S；步骤六、轨迹模拟：以模拟节点S为中心，在其15×15的搜索范围内随机产生一个预测目标位置，然后再以该预测目标位置为中心，在相同的搜索范围内随机产生一个新的预测目标位置，该过程重复M次，且满足模拟节点S的深度+M＝H；这些连续的预测目标位置分别对应一个与目标大小相同的图像块，它们构成一个预测目标图像块序列A；步骤七、轨迹评价：对预测目标图像块序列A中的每个图像块，采用NCC规则化交叉互相关方法计算其与目标图像块的相似度，并计算它们的平均值ω；步骤八、节点权重更新：将模拟节点S的权重设置为平均值ω，然后计算叶节点L的所有扩展子节点的权重平均值，并将该值作为L的新权重；如果L有父节点，则按照更新L权重的方法更新其父节点的权重；同理，逐层更新树的节点权重直到起始节点R；迭代次数N加1；如果N<K(K＝100)或者树的深度<H，则跳转到步骤四，否则，跳转到步骤九；步骤九、轨迹选择：从起始节点R开始选择树中具有最大权重和的节点路径，并将该路径对应的预测轨迹作为目标轨迹，完成该时间段的目标定位；同时把该路径上的最后一个节点，作为新的起始节点R；步骤十、目标更新如果目标轨迹中最后的目标位置对应的图像块与原目标的相似度>δ(δ＝0.8)，则将该图像块作为新的目标表观，完成目标更新，否则，目标不变；这里相似度计算同样采用NCC规则化交叉互相关方法；跟踪完成，跳转到步骤三。 |
