一种基于自适应窗的灰度目标跟踪方法技术

本发明专利技术是一种基于自适应窗的灰度目标跟踪方法，主要解决实时自适应目标大小变化问题。该方法包括以下步骤：(1)确定目标模板；(2)混合直方图特征提取；(3)初始化粒子点集：设定采样的粒子数N和初始化粒子权值；(4)更新粒子点集的状态；(5)观测粒子点集；(6)目标状态估计；(7)跟踪窗口调整；(8)重采样。在粒子滤波跟踪框架下，确定运动目标模板，建立运动目标的状态转移方程，初始化粒子集合目标窗口，预测下一时刻的粒子集，计算似然函数的权值，计算大权值粒子到粒子集中心的平局距离，根据d线性调整窗口尺寸。实现跟踪窗口自适应调整，与同类方法相比，具有计算简单，速度快，效果好的优势。

【技术实现步骤摘要】

本专利技术涉及视频目标跟踪
，具体是。
技术介绍
目标跟踪问题是机器视觉研究中的一个重要分支，是高级机器视觉研究的基础，有着广泛的应用，如军事制导、道路交通监控，工业自动化生产监控，客流量统计等。在人们提出的诸多跟踪算法中，基于粒子滤波和Mean-Shift算法是研究的热点。在这两种算法中，目标跟踪窗口是由跟踪目标的初始大小决定的，在整个跟踪过程中，跟踪窗口的大小保持不变。然而，当运动目标尺寸越来越小时，如果跟踪窗口固定不变，则在跟踪窗口内包含目标区域的同时混入了一些背景噪声，最终导致运动目标跟踪不准确。当运动目标尺寸越来越大时，大到超出跟踪窗口的范围，固定不变的窗口常常会导致运动目标的跟踪失败。近几年，针对基于Mean-Shift的跟踪算法人们提出了一些改变核窗口大小的算法。文献[见:Comaniciu D, Ramesh V, Meer P.Kernel-based object tracking[J].Pattern Analysis and Machine Intelligence, IEEE Transact1ns on, 2003, 25(5):564本文档来自技高网...

【技术保护点】
一种基于自适应窗的灰度目标跟踪方法，其特征在于，包括以下步骤：(1) 确定目标模板:初始化跟踪目标的位置和跟踪窗口的大小；用矩形表示目标模板，目标状态表示为：，其中，分别表示目标中心在图像中x，y方向的速度；(2) 混合直方图特征提取：通过计算目标区域目标的灰度直方图以及梯度直方图，然后把两种特征加权混合就可以计算出目标的特征值；(3) 初始化粒子点集：设定采样的粒子数N和初始化粒子权值；(4) 更新粒子点集的状态：根据状态转移方程预测k时刻粒子集；(5) 观测粒子点集：计算每个粒子的似然函数值，计算每个粒子的权值，并归一化权值；(6) 目标状态估计：用粒子加权平均近似目标状态；(7) 跟踪窗...

【技术特征摘要】
1.一种基于自适应窗的灰度目标跟踪方法，其特征在于，包括以下步骤: (1)确定目标模板:初始化跟踪目标的位置(x0,y0)和跟踪窗口的大小(h0x,h0y);用矩形表示目标模板，目标状态表示为:X[x,x1,y,y1,hx,hy]其中，xq,yq分别表示目标中心在图像中x，y方向的速度； (2)混合直方图特征提取:通过计算目标区域目标的灰度直方图以及梯度直方图，然后把两种特征加权混合就可以计算出目标的特征值； (3)初始化粒子点集:设定采样的粒子数N和初始化粒子权值； (4)更新粒子点集的状态:根据状态转移方程预测k时刻粒子集{xik-wk}Ni-1； (5)观测粒子点集:计算每个粒子的似然函数值，计算每个粒子的权值^，并归一化权值ωik; (6)目标状态估计:用粒子加权平均近似目标状态Xk； (7)...

【专利技术属性】
技术研发人员：蔡延光，向周，蔡颢，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东;44