[发明专利]结合LBP特征自适应MeanShift目标跟踪方法

摘要

本发明涉及计算机视觉和目标跟踪技术领域，为实现在不同背景干扰情形下都能确保目标跟踪的鲁棒性，提高算法的鲁棒性和适应性，有效地克服跟踪过程中目标尺度与方向不断变化的问题。本发明采用的技术方案是，结合LBP特征自适应Mean Shift目标跟踪方法，步骤如下(1)目标模型生成(2)相似性度量利用Bhattacharyya系数来衡量目标模型与目标候选模型之间的相似度；(3)目标尺度方向估计首先对目标区域进行Mean shift迭代，使其收敛至候选目标的空间位置处，对联合纹理‑颜色特征的目标候选区域权重图进行矩阵分解，利用矩阵分析来计算目标候选区域的尺度和方向。本发明主要应用于目标跟踪场合。

主权项

一种结合LBP特征自适应Mean Shift目标跟踪方法，其特征是，步骤如下：(1)目标模型生成：目标模型由图像的局部二值特征与颜色特征组成的联合直方图来描述，即利用由局部二值模式形成的掩膜内的颜色和纹理特征来描述目标，构建联合纹理‑颜色特征的目标模型；(2)相似性度量：利用Bhattacharyya系数来衡量目标模型与目标候选模型之间的相似度，Bhattacharyya系数表示两个向量与之间夹角的余弦值，其值越大，代表目标模型与目标候选模型越相似，首先计算上述目标模型和目标候选模型的Bhattacharyya系数，并规定某个度量准则，使其在该准则下相似度最高；(3)目标尺度方向估计：在跟踪过程中，首先对目标区域进行Mean shift迭代，使其收敛至候选目标的空间位置处，对(1)中生成的联合纹理‑颜色特征的目标候选区域权重图进行矩阵分解，利用矩阵分析来计算目标候选区域的尺度和方向。