一种基于背景抑制的后验概率图像跟踪方法

摘要

本发明涉及一种图像跟踪方法，公开了一种基于背景抑制的后验概率图像跟踪方法。该方法基于后验概率的像素级计算，首先计算搜索区域内像素的相似度贡献值：其次，进行快速平移目标搜索：最后，进行目标区域尺寸自适应搜索。该方法定位精度高，能够有效得避免背景特征的影响，跟踪速度快。

主权项

1.一种基于背景抑制的后验概率图像跟踪方法，其特征在于，包括以下步骤：步骤一，计算搜索区域内像素的相似度贡献值：确定目标模板，其特征向量为q，$q\in R^{m_u},$实时获取视频图像，以上一帧图像中目标的位置作为当前帧图像的搜索区域的中心，确定当前帧图像的搜索区域，统计该搜索区域的特征向量s，$s\in R^{m_u},$其中m_u为特征的维数，为m_u维的实数空间；根据目标模板的特征向量q和搜索区域的特征向量s，计算搜索区域内每个像素的相似度贡献值其中q_u(j)表示搜索区域中的第j个像素所对应的目标模板向量中的第u个特征值，s_u(j)表示搜索区域中的第j个像素所对应的搜索区域向量中的第u个特征值；步骤二，进行快速平移目标搜索：根据当前帧图像中的目标区域尺寸，确定当前帧图像中待匹配目标区域尺寸；平移待匹配目标区域得到新的待匹配目标区域，按照像素计算所有待匹配目标区域相对目标模板的相似度指标函数φ(p，q)，$\phi (p,q)=\frac{1}{m}\underset{j=1}{\overset{m}{\Sigma }}\frac{q_u\left(j\right)}{s_u\left(j\right)},$其中m表示待匹配目标区域中的像素总数，搜索得到函数值最大的待匹配目标区域为当前帧目标区域；步骤三，进行目标区域尺寸自适应搜索：按照像素计算当前帧图像中的目标区域的边界层像素的相似度贡献平均值φ、边界内第一层像素的相似度贡献平均值φ_-1和边界外第一层像素的相似度贡献平均值φ₁，其中边界层由目标区域边界上的像素组成，边界内第一层由边界层向内最邻近的像素组成，边界外第一层由边界层向外最邻近的像素组成；根据如下公式对下一帧图像的目标区域尺寸进行自适应确定：其中：w(l)表示当前帧图像中的目标区域尺寸，w(l+1)表示下一帧图像中的目标区域尺寸。