融合描述式和判别式建模的目标跟踪方法

摘要

本发明公开一种融合描述式和判别式建模的目标跟踪方法，包括以下步骤：1.t＝1，在第1帧图像中的被跟踪目标及其邻近背景上随机抽取多尺度小图像块集合并训练两对二类支持向量机和一类支持向量机作为被跟踪目标的模型；2.在第t+1帧图像中随机抽取多尺度小图像块集合并通过被跟踪目标的模型确定第t+1帧图像中小图像块属于被跟踪目标的置信度，用新一帧图像中小图像块的置信度及其中心坐标构造置信图；在置信图上用均值移动算法获得被跟踪目标在新一帧图像中的新位置；根据图像块置信度和被跟踪目标的新位置，对当前帧中的小图像块分类，并根据分类结果更新被跟踪目标的模型；3.若未到视频文件的结尾，递增t，返回步骤2；4.终止。

主权项

一种融合描述式和判别式建模的目标跟踪方法，其特征在于，基于两个尺度小图像块集合并且用二类支持向量机和一类支持向量机共同对被跟踪目标建模，该方法包括步骤如下：步骤S1：对视频文件的第1帧图像做初始化处理：设帧号t＝1，从视频文件中读取第1帧图像，人工或者利用目标检测算法确定被跟踪目标及其局部背景在第1帧图像中的位置，即初始位置；在被跟踪目标及其局部背景上随机抽取两个尺度的小图像块集合；按照用户指定的特征类型计算各小图像块的特征；利用两个尺度的小图像块的特征训练两对二类支持向量机和一类支持向量机，用第一尺度小图像块集合训练得到的二类支持向量机为2-SVC(1，s1)和一类支持向量机为1-SVC(1，s1)，以及用第二尺度小图像块集合训练得到的二类支持向量机2-为SVC(1，s2)和一类支持向量机为1-SVC(1，s2)共同构成被跟踪目标的模型，其中，s1和s2分别表示第一尺度和第二尺度，2-SVC表示为二类支持向量机，1-SVC表示为一类支持向量机；步骤S2：确定被跟踪目标在第t+1帧图像中的位置：从视频文件中读取第t+1帧图像，随机抽取两个尺度的小图像块集合；计算各小图像块的特征；利用基于两个尺度小图像块的被跟踪目标的模型为2-SVC(t，s1)、1-SVC(t，s1)和2-SVC(t，s2)、1-SVC(t，s2)确定被跟踪目标在第t+1帧中的位置，并根据被跟踪目标在第t+1帧中的位置将被跟踪目标模型由2-SVC(t，s1)、1-SVC(t，s1)和2-SVC(t，s2)、1-SVC(t，s2)更新为2-SVC(t+1，s1)、1-SVC(t+1，s1)和2-SVC(t+1，s2)、1-SVC(t+1，s2)；输出被跟踪目标在第t+1帧图像中的位置；步骤S3：若第t+1帧不是视频文件的最后一帧，t＝t+1，返回步骤S2；若第t+1帧是视频文件的最后一帧，则至步骤S4；步骤S4：结束目标跟踪。