基于视觉显著性的干扰感知跟踪算法制造技术

本发明专利技术公开了一种基于视觉显著性的干扰感知跟踪算法，包括以下步骤：S1、输入视频图像；S2、用梯度方向直方图特征表征图像中的待跟踪目标的外观模型，并计算梯度方向直方图扰动模型；S3、计算输出响应和上下文感知相关跟踪响应；S4、加权融合得到目标加权响应，最大响应所在位置即待跟踪目标所在位置，并估计目标尺度与位置变化；S5、当待跟踪目标被遮挡时，计算视觉显著性图，根据候选目标位置估计待跟踪目标位置；S6、根据待跟踪目标情况更新外观模型和扰动模型；S7、输入下一帧图像，返回至步骤S1。本发明专利技术可解决现有目标跟踪方法中易受光照变化、低分辨率、尺度变化、遮挡、相似目标和嘈杂背景等影响跟踪效果的问题。

【技术实现步骤摘要】
基于视觉显著性的干扰感知跟踪算法
本专利技术属于图像目标跟踪的
，具体涉及一种复杂场景下基于视觉显著性的干扰感知跟踪算法。
技术介绍
智能监控系统(IntelligentMonitorSystem，IMS)，它是采用图像处理、模式识别和计算机识别技术，通过在监控中增加智能分析模块，借助计算机强大的数据处理能力过滤掉视频画面中无用或者干扰信息，自动识别不同的物体，分析抽取图像中可用信息，快速准确的定位事故现场，判断监控画面中的异常行为，并以最快和最佳的方式发出报警或触发其它动作，从而有效进行事前报警，事中处理，事后及时取证的全自动、全天候、实时监控的智能系统。近年来，随着计算机视觉技术和集成电路的发展和成熟，智能视觉监控系统所需要的硬件成本大大的降低，智能监控系统被广泛应用于医院、火车站和学校等公开场所，智能监控系统的采用可以显著性降低监控场景下的人工成本，提高监控系统的可靠性与有效性，降低异常事件的发生机率。由于在现实生活中，大量且有意义的视觉信息主要包含在运动目标之中，而且在大部分的监控场合，监控对象一般是监视场景中运动的行人。因此，智能视频监控不仅要求能够检测到环境中的运动本文档来自技高网...

【技术保护点】
1.一种基于视觉显著性的干扰感知跟踪算法，其特征在于，包括以下步骤：S1、参数初始化后，输入视频图像；S2、用梯度方向直方图特征表征图像中的待跟踪目标的外观模型，并计算梯度方向直方图扰动模型；S3、利用贝叶斯分类器根据直方图扰动模型计算输出响应，根据梯度方向直方图特征计算上下文感知相关跟踪响应；S4、对直方图扰动模型输出响应、上下文感知相关跟踪响应进行加权融合得到目标加权响应，最大响应所在位置即待跟踪目标所在位置，并估计目标尺度与位置变化；S5、当待跟踪目标未被遮挡时，进入步骤S6，当待跟踪目标被遮挡时，计算视觉显著性图，获取候选目标位置，根据候选目标位置估计待跟踪目标位置；S6、根据待跟踪目...

【技术特征摘要】
1.一种基于视觉显著性的干扰感知跟踪算法，其特征在于，包括以下步骤：S1、参数初始化后，输入视频图像；S2、用梯度方向直方图特征表征图像中的待跟踪目标的外观模型，并计算梯度方向直方图扰动模型；S3、利用贝叶斯分类器根据直方图扰动模型计算输出响应，根据梯度方向直方图特征计算上下文感知相关跟踪响应；S4、对直方图扰动模型输出响应、上下文感知相关跟踪响应进行加权融合得到目标加权响应，最大响应所在位置即待跟踪目标所在位置，并估计目标尺度与位置变化；S5、当待跟踪目标未被遮挡时，进入步骤S6，当待跟踪目标被遮挡时，计算视觉显著性图，获取候选目标位置，根据候选目标位置估计待跟踪目标位置；S6、根据待跟踪目标情况更新外观模型和扰动模型；S7、输入下一帧图像，返回至步骤S1，直至确定最后一帧图像中待跟踪目标所在位置。2.根据权利要求1所述的基于视觉显著性的干扰感知跟踪算法，其特征在于，在步骤S5中，当有多个候选目标时，对各个候选目标得分进行排名并根据排名情况估计待跟踪目标位置。3.根据权利要求1或2所述的基于视觉显著性的干扰感知跟踪算法，其特征在于：在步骤S3中，计算输出响应时，将目标跟踪问题转化为求解最小均方误差下的岭回归问题，以此获得定义最优分类器参数，其定义为：其中，λ是正则化因子，w是分类器参数，xi表示由基础样本x循环偏移产生的训练样本，yi为训练样本xi对应的训练标签或者期望输出标签，标签函数y服从高斯分布且yi∈[0，1]；求解公式(1)的闭环解，获得最小均方误差下的最优分类器为：其中，X表示由循环偏移样本组成的循环数据矩阵，上标T表示矩阵的转置，I表示单位矩阵；利用核函数w＝∑iαix将其转换到对偶空间下，并利用快速傅里叶变换和循环矩阵性质将时域内计算转换到频域，得到：其中，上标∧表示傅里叶变换，上标*表示共轭矩阵，符号⊙表示矩阵对应位置元素的点乘，α表示对偶空间下的分类器参数；在跟踪过程中利用公式(3)得到分类器参数，然后进行目标快速响应检测，其定义为：其中，F-1表示傅里叶逆变换，z表示当前跟踪帧的输入图像，f(z)为计算得到的时域内输入图像响应图，在响应图中最大响应所在位置就是跟踪目标所在位置。4.根据权利要求3所述的基于视觉显著性的干扰感知跟踪算法，其特征在于：在步骤S3中，计算上下文感知相关跟踪响应时，将目标周围的上下文信息引入到相关滤波分类器训练过程中，构造上下文感知相关跟踪器，在目标周围采样n个上下文图像块目标搜索窗口区域为x，图像块和x所对应的循环数据矩阵为和X，则公式(1)变为：其中，λ1和λ2均表示正则化因子；将公式(5)改写为：其中，表示上下文图像样本的的循环偏移样本；对公式(6)求闭环求解，得到分类器参数为：其中，B表示由所有循环偏移样本Bi组成的循环数据矩阵；将循环数据矩阵B和BT代入公式(7)中,并由循环矩阵的性质和对公式(7)进行化简有：利用分类器实现快速目标检测，得到目标响应为：利用公式(3)得到对偶空间下分类器定义：利用循环矩阵的性质，将矩阵B和BT代入公式(10)化简得到：根据公式(11)将此系统分解为数个子系统进行求解，此时计算得到分类器参数α＝[α0,...,αk]，将数据参数代入f(z)＝ZBTα中化简得到：由公式(12)求得对偶空间下频域内输入图像的响应，利用快速傅里叶变换将其转换到时域内，最大响应所在位置就是跟踪目标所在位置。5.根据权利...

【专利技术属性】
技术研发人员：张博，
申请(专利权)人：长沙师范学院，
类型：发明
国别省市：湖南,43