技術(shù)特征：

1.一種基于貝葉斯學(xué)習(xí)和增量子空間學(xué)習(xí)的目標(biāo)跟蹤方法，其特征在于，包括下列步驟：

步驟1，初始化；所述的初始化包括下列步驟；

步驟1.1，初始化第一幀目標(biāo)位置；令t＝1表示進(jìn)入第1幀，用矩形框標(biāo)注出目標(biāo)的初始位置R_g＝g_x,g_y,g_w,g_h,其中g(shù)_x,g_y表示目標(biāo)矩形框的中心位置坐標(biāo),g_w,g_h是目標(biāo)矩形框的寬和高；

步驟1.2，初始化粒子和運(yùn)動(dòng)參數(shù)；令表示描述粒子狀態(tài)的向量變量,上標(biāo)(i)表示第i個(gè)粒子,表示粒子所表示的x和y方向的位置坐標(biāo),表示粒子所表示的方框在x和y方向的尺度；

初始化粒子的狀態(tài)為:則粒子所表示的矩形框可以表示為:令表示t時(shí)刻的目標(biāo)的狀態(tài)向量,并將其初始化為當(dāng)跟蹤進(jìn)行時(shí),粒子的每一維都會(huì)以其當(dāng)前狀態(tài)為中心做隨機(jī)運(yùn)動(dòng)；假設(shè)粒子的運(yùn)動(dòng)變化量服從均值為0協(xié)方差矩陣為Ω的正態(tài)分布,即其中Ω＝diagσ_x,σ_y,Ω_w,σ_h是一個(gè)對(duì)角矩陣,σ_x,σ_y表示粒子在x,y方向運(yùn)動(dòng)的標(biāo)準(zhǔn)差,σ_w,σ_h表示粒子在寬度和高度變化率上的標(biāo)準(zhǔn)差；

步驟1.3，初始化均值類哈爾特征模板；從粒子或者樣本中提取第i個(gè)類哈爾特征的公式為:其中x′_ij表示在x所表示的矩形框內(nèi)隨機(jī)選取的小矩形框，sum x′_ij為x′_ij所表示的矩形框內(nèi)所有像素的灰度值之和，pixn x′_ij為x′_ij所表示的矩形框內(nèi)像素的個(gè)數(shù)，w_ij是0～1之間的隨機(jī)權(quán)值，如果目標(biāo)的尺度發(fā)生變化,當(dāng)使用該模板提取樣本特征時(shí),x′_ij所表示的小矩形框也要成比例地變化,n_i表示第i個(gè)類哈爾特征中包含的小矩形框數(shù)量；

步驟1.4初始化貝葉斯分類器；

步驟1.5初始化增量子空間學(xué)習(xí)算法的參數(shù)；為樣本均值,其中為從所表示的矩形框中提取的特征；

步驟2，目標(biāo)跟蹤；

步驟2.1，令t＝t+1更新時(shí)間參數(shù),讀取新一幀圖像.粒子進(jìn)行移動(dòng)并更新粒子參數(shù)

步驟2.2，使用貝葉斯分類器對(duì)步驟2.1移動(dòng)后的粒子進(jìn)行分類,分類值最高的粒子作為貝葉斯分類器跟蹤到的目標(biāo)狀態(tài)其中H(·)表示貝葉斯分類器函數(shù),表示粒子的分類器響應(yīng)值；

步驟2.3，使用增量學(xué)習(xí)算法對(duì)目標(biāo)進(jìn)行跟蹤；定義其中表示第t幀的第i個(gè)粒子,I(x)是一個(gè)特征提取函數(shù),它的作用是將x對(duì)應(yīng)的圖像塊拉伸成列向量,為樣本均值；則粒子在子空間中的坐標(biāo)為，其中表示樣本在子空間中坐標(biāo)分布方差的無偏估計(jì),(Σ是一個(gè)對(duì)角矩陣,與1.5相同)；U是一個(gè)矩陣,其每一列表示子空間的一個(gè)基向量；y(·)是本發(fā)明定義的一個(gè)函數(shù)；則粒子的重構(gòu)誤差為:最終根據(jù)重構(gòu)誤差選擇第t時(shí)刻的跟蹤結(jié)果為:

步驟2.4，對(duì)結(jié)果進(jìn)行選擇,得出當(dāng)前幀的目標(biāo)狀態(tài)；所述的步驟2.4包括下列步驟：

步驟2.4.1，令表示t時(shí)刻使用貝葉斯跟蹤算法求得的粒子分類響應(yīng)的最大值；

步驟2.4.2，令表示t時(shí)刻使用子空間學(xué)習(xí)算法求得的粒子的最小重構(gòu)誤差值；

步驟2.4.3，ΔH_t＝|H_t-H_t-1|,Δδ_t＝|δ_t-δ_t-1|為其對(duì)應(yīng)的一階差分；

步驟2.4.4，如果H_t＞0且δ_t＞40,則t時(shí)刻的目標(biāo)狀態(tài)為:

步驟2.4.5，如果H_t≤0且δ_t≤40，則t時(shí)刻的目標(biāo)狀態(tài)為:

步驟2.4.6，其他情況,如果ΔH_t/H_t-1＜Δδ_t/δ_t-1,則否則令

步驟3，更新貝葉斯算法和子空間學(xué)習(xí)算法；所述的步驟3包括下列步驟：

步驟3.1，更新CT的分類器；所述的步驟3.1包括下列步驟：

步驟3.1.1，根據(jù)當(dāng)前跟蹤到的目標(biāo)狀態(tài),計(jì)算出t當(dāng)前時(shí)刻正樣本和負(fù)樣本的均值和方差

步驟3.1.2，則更新貝葉斯分類器的參數(shù)為:

$\left\{\begin{array}{c}{\mathrm{\μ}}_i^{+}\←{\mathrm{\λ\μ}}_i^{+}+1-{\mathrm{\λ\μ}}_i^{\′+}\\ {\mathrm{\σ}}_i^{+}=\sqrt{{\mathrm{\λ\σ}}_i^{+2}+1-{\mathrm{\λ\σ}}_i^{\′+2}+\mathrm{\λ}1-{\mathrm{\λ\μ}}_i^{+}-{{\mathrm{\μ}}_i^{\′+}}^2}\\ {\mathrm{\μ}}_i^{-}\←{\mathrm{\λ\μ}}_i^{-}+1-{\mathrm{\λ\μ}}_i^{\′-}\\ {\mathrm{\σ}}_i^{-}=\sqrt{{\mathrm{\λ\σ}}_i^{-2}+1-{\mathrm{\λ\σ}}_i^{\′-2}+\mathrm{\λ}1-{\mathrm{\λ\μ}}_i^{-}-{{\mathrm{\μ}}_i^{\′-}}^2}\end{array}\right.$

步驟3.2，如果δ_t＜12且Δδ_t＜3則對(duì)子空間學(xué)習(xí)模型進(jìn)行更新,否則不進(jìn)行更新；更新子空間學(xué)習(xí)的策略為:

步驟3.2.1，計(jì)算其中f＝0.95是遺忘因子,n＝t-1為已有的訓(xùn)練樣本的數(shù)量,構(gòu)建矩陣:計(jì)算其中是QR分解的正交矩陣；

步驟3.2.2，構(gòu)建矩陣對(duì)于構(gòu)建的矩陣R根據(jù)SVD分解計(jì)算得其中U′表示左奇異矩陣,Σ′是對(duì)角線元素為奇異值的對(duì)角矩陣,V′為右奇異矩陣,則更新子空間學(xué)習(xí)參數(shù):且Σ＝Σ′；

步驟4，判斷t時(shí)刻是否為最后一幀，是則結(jié)束，如果t時(shí)刻不是最后一幀則轉(zhuǎn)到步驟2。

2.根據(jù)權(quán)利要求1所述的一種基于貝葉斯學(xué)習(xí)和增量子空間學(xué)習(xí)的目標(biāo)跟蹤方法，其特征在于，所述的步驟1.4初始化貝葉斯分類器包括下列步驟：

步驟1.4.1，提取正樣本:在當(dāng)前目標(biāo)位置的周圍采集正樣本集合其中，l x是返回樣本x的中心位置坐標(biāo),表示樣本x與t時(shí)刻目標(biāo)位置的距離,α為采樣半徑；

步驟1.4.2，提取負(fù)樣本:在當(dāng)前目標(biāo)位置周圍同心圓范圍內(nèi)采集負(fù)樣本集合其中r_in為采樣同心圓的內(nèi)半徑,r_on為采樣同心圓的外半徑；

步驟1.4.3，正負(fù)樣本的特征服從高斯分布,則正樣本集中第i個(gè)特征的后驗(yàn)概率密度服從其中y＝1表示正樣本標(biāo)簽,表示正樣本集第i個(gè)特征的均值,表示正樣本集第i個(gè)特征的標(biāo)準(zhǔn)差,N表示正樣本的數(shù)量；負(fù)樣本集中第i個(gè)特征的后驗(yàn)概率密度服從其中y＝0表示負(fù)樣本標(biāo)簽表示負(fù)樣本集第i個(gè)特征的均值,,表示負(fù)樣本集中第i特征的標(biāo)準(zhǔn)差,L表示負(fù)樣本的數(shù)量；

步驟1.4.4，貝葉斯的分類器為:

其中n_f表示從候選樣本中提取的類哈爾特征的數(shù)量,p(f_i(x)|y＝0)表示樣本x的第i個(gè)特征屬于負(fù)樣本的概率,p(f_i(x)|y＝1)表示樣本x的第i個(gè)特征屬于正樣本的概率。

3.根據(jù)權(quán)利要求1所述的一種基于貝葉斯學(xué)習(xí)和增量子空間學(xué)習(xí)的目標(biāo)跟蹤方法，其特征在于，所述的步驟1.5中，從矩形框中提取特征的具體提取方法為:將x^*所表示的矩形框中進(jìn)行降采樣至32×32的像素塊,然后將此像素塊按列像素排列成一個(gè)1024行的列向量.初始化U＝1,0,0,...^T,Σ＝0.其中U是一個(gè)列正交的單位矩陣,其每一列表示子空間的基坐標(biāo),Σ是一個(gè)對(duì)角矩陣。

4.根據(jù)權(quán)利要求2所述的一種基于貝葉斯學(xué)習(xí)和增量子空間學(xué)習(xí)的目標(biāo)跟蹤方法，其特征在于，所述的步驟3.1.1中，計(jì)算出t當(dāng)前時(shí)刻正樣本和負(fù)樣本的均值和方差使用步驟1.4.1至1.4.3的方法計(jì)算得出。