技術(shù)特征：

1.一種基于雙向鑒別信息的目標(biāo)跟蹤方法，其特征在于，包括以下步驟：

S1對目標(biāo)進行視頻拍攝，得到目標(biāo)的視頻序列圖像{P_n(x,y)|n＝1,2,…N}；

S2在第一幀圖像對目標(biāo)跟蹤進行初始化；

手動選擇包含目標(biāo)的一個矩形，記為目標(biāo)矩形A(x,y)，目標(biāo)矩形大小為a×b；然后以目標(biāo)矩形A(x,y)的中心像素(x₀,y₀)為中心，再選擇一個大小為(2a)×(2b)的矩形，這個矩形區(qū)域包含目標(biāo)矩形A(x,y)，記屬于這個矩形區(qū)域且不屬于目標(biāo)矩形的區(qū)域為B(x,y)，B(x,y)表示周圍的背景信息；

S3在下一幀圖像進行基于雙向鑒別信息的目標(biāo)跟蹤；

S31選取M個粒子，每個粒子表示一個跟蹤矩形，且第n+1幀的跟蹤矩形的大小和第n幀的目標(biāo)矩形的大小完全相同，所以每個粒子通過3個參數(shù)表示，其中表示跟蹤矩形的權(quán)重，表示跟蹤矩形的中心坐標(biāo)，標(biāo)號m∈{1,…,M}表示粒子的序號；

S32已知第n幀的目標(biāo)矩形A(x,y)，中心像素為(x₀,y₀)以及周圍的背景區(qū)域B(x,y)；接下來在第n+1幀圖像上，以(x₀,y₀)為中心，隨機選取50個位置作為粒子的中心坐標(biāo)：

$\left\{\begin{array}{c}{\mathrm{Tx}}_n^m=x_0+{\mathrm{\β\ϵ}}_1\\ {\mathrm{Ty}}_n^m=y_0+{\mathrm{\β\ϵ}}_2\end{array}\right.$

其中ε₁,ε₂均為[-1,1]內(nèi)的隨機數(shù)，β是一個常數(shù)，表示單幀像素偏移的范圍；然后給每個粒子的權(quán)重賦初值，初始權(quán)重設(shè)為1/M；

S33計算每個粒子代表的跟蹤矩形和前一幀的目標(biāo)矩形的相似程度；

記此粒子所表示的跟蹤矩形為TA(x,y)，采用S2中相同的方法可以得到其周圍的背景區(qū)域，記為TB(x,y)；

首先通過直方圖計算A(x,y)和TA(x,y)的相似度corrA，方法為：將灰度空間劃分成32份，分別計算A(x,y)和TA(x,y)的直方圖，記為Hist1和Hist2；Hist1和Hist2均為長度為32的一維的向量，然后采用巴氏系數(shù)計算Hist1和Hist2相似度；

然后通過上述計算A(x,y)和TA(x,y)的相似度corrA相同的方法可以計算出B(x,y)和TB(x,y)的相似度，記為corrB；

corrA和corrB兩個相似度分別代表目標(biāo)和背景的信息度，融合兩者的信息，得到一個最終的相似度信息：corrF＝corrA-corrB；

接著根據(jù)相似度計算當(dāng)前粒子的觀測概率密度其中δ是個常數(shù)；然后更新當(dāng)前粒子的權(quán)重：

${\mathrm{new\θ}}_n^m=PF\×{\mathrm{\θ}}_n^m$

S34對于所有的M個粒子都進行S31至S33的操作，計算出新的權(quán)重，然后再進行歸一化得到最終權(quán)重

S35所有粒子的權(quán)重都進行更新后，通過權(quán)重對每個粒子所代表的跟蹤矩形中心進行加權(quán)，可以得到最終的跟蹤矩形中心：

$\left\{\begin{array}{c}{\mathrm{Tx}}_n=\underset{m=1}{\overset{M}{\Σ}}{\mathrm{new\θ}}_n^m{\mathrm{Tx}}_n^m\\ {\mathrm{Ty}}_n=\underset{m=1}{\overset{M}{\Σ}}{\mathrm{new\θ}}_n^m{\mathrm{Ty}}_n^m\end{array}\right.$

也即獲得目標(biāo)在第n+1幀圖像的位置；

S4從第2幀開始，每一幀都通過S3中的方法計算出與之相鄰的前一幀對應(yīng)的跟蹤參數(shù){(Tx_n,Ty_n)|n＝1,…,N-1},這樣可以獲得目標(biāo)在每一幀的跟蹤結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于雙向鑒別信息的目標(biāo)跟蹤方法，其特征在于，S31中，選取粒子數(shù)量M＝50。

3.根據(jù)權(quán)利要求1所述的基于雙向鑒別信息的目標(biāo)跟蹤方法，其特征在于，S32中，β取值50。

4.根據(jù)權(quán)利要求1所述的基于雙向鑒別信息的目標(biāo)跟蹤方法，其特征在于，S33中，采用巴氏系數(shù)計算Hist1和Hist2相似度，方法如下：

$corrA(Hist1,Hist2)=\underset{u=1}{\overset{32}{\Σ}}\sqrt{Hist1\left(u\right)Hist2\left(u\right)}.$