体育视频目标跟踪方法

摘要

本发明公开了一种体育视频目标跟踪方法，包括：提取视频中的颜色直方图，利用核函数对颜色直方图作归一化处理，得到目标的颜色分布特征；采用粒子滤波算法预测目标的运动位置；根据目标的运动位置的预测值，采用均值聚类算法求目标运动位置的精确值。本发明的体育视频目标跟踪方法引入多种运动模型，根据目标运动的特点动态地更新运动模型，从而利用很少的样本数目达到了较好的效果，降低了计算复杂度，并提高了跟踪的准确度。

主权项

1、一种体育视频目标跟踪方法，包括以下步骤：1)、提取视频中的颜色直方图，利用核函数对颜色直方图作归一化处理，得到目标的颜色分布特征；2)、采用粒子滤波算法预测目标的运动位置，按以下步骤进行：2-1)、在第一帧中由正态分布产生随机样本点集合$S_{t-1}={\left\{s_{t-1}^{\left(n\right)}\right\}}_{n=1,....,N},$从样本集合中选择N个服从概率分布的样本；2-2)、根据下述公式，由当前帧的样本点集合$S_{t-1}^{\prime }={\left\{s_{t-1}^{\prime \left(n\right)}\right\}}_{n=1,...,N}$得到下一帧图像的样本点集合$S_t={\left\{s_t^{\left(n\right)}\right\}}_{n=1,...,N};$$s_t^{\left(n\right)}=A{s}_{t-1}^{\prime \left(n\right)}+w_{t-1}^{\left(n\right)}$其中，w_t-1⁽ⁿ⁾是系统噪声，符合高斯分布，A代表运动模型，下标t-1代表当前帧，下标t代表下一帧，n代表样本点的数目；下一帧中样本点由当前帧的样本点根据运动模型产生；2-3)、预测目标在下一帧图像中的运动位置；3)、根据步骤2)得到的目标的运动位置的预测值，采用均值聚类算法求目标运动位置的精确值。