一种用于目标跟踪的商直方图模型更新方法及装置

摘要

本发明实施例提供一种用于目标跟踪的商直方图模型更新方法，包括：计算在第一帧图像上的目标区域的商直方图，将所述目标区域的商直方图放入商直方图集合中；根据所述集合中的信息建立目标模型；获取下一帧图像，并根据所述目标模型计算该图像的反投影图；在所述反投影图上跟踪目标以获取所述目标的信息，并根据所述信息计算所述目标的商直方图，将所述商直方图放入所述商直方图集合中以更新所述目标模型。本发明实施方式还提供一种用于目标跟踪的商直方图模型更新的装置。本发明实施例通过建立多帧目标商直方图模型，及目标模型的更新方法，保证在目标颜色及背景外观发生变化的情况下，仍能够稳定地跟踪目标。

说明书

技术领域

本发明涉及图像处理领域，尤其涉及一种用于目标跟踪的商直方图模型更新方法和装置。

背景技术

当前，多媒体技术正朝着交互式、智能化方向发展，其中视频目标跟踪和识别技术是智能视频处理与分析系统的一项关键技术。目标跟踪的结果包含了视频场景中的时空信息，反映了该视频中主要的内容信息，在基于内容的视频分析、视频检索以及智能视频监控等各个领域均有着重要的作用。视频目标跟踪的过程大体上可以描述为：成像系统以二维阵列的形式，把客观世界三维场景所形成的图像采集记录下来并保存到计算机中。计算机利用内部视觉知识库中的各种视觉模型对输入图像进行分析和解释，通过预处理、特征提取、特征选择、特征跟踪等算法处理，将所得到的目标信息，包括物体的结构、形状、颜色、位置运动速度和方向等，传送给跟踪处理设备。跟踪处理设备是自动机器的随动机构，它根据计算获得的控制信息，能够自动调整系统的方位，自动地跟踪运动目标。

视频目标跟踪能否成功在很大程度上依赖于，是否可以找到最能把目标与周围背景区分开来的特征。一般的跟踪方法都需要根据视频序列中前几帧的目标特征，计算出目标的模型，后续跟踪过程则选择与此模型相匹配的图像区域作为跟踪结果。在长时间的跟踪过程中，由于目标本身的外观，形状等方面都有可能发生变化，目标的模型需要根据这些变化进行调整，这个调整的过程称之为目标模型的更新。

现有技术采用下式更新目标直方图模型：

$>q_{t+1}=q_t+e^{-\alpha [1-\rho (q_t,p)]}p$>

其中，q_t，q_t+1分别为更新前和更新后的目标直方图模型，p为当前目标直方图，α为一设定的常数，ρ(q_t，p)计算当前目标直方图与模板直方图的相似度，如果当前目标直方图与模板相似度较大则更新系数较大，也就是说目标外观的变化越大，目标直方图的更新越小。

在实现本发明的过程中，发明人发现现有技术中至少存在如下问题：由于现有技术仅更新目标直方图，而实际跟踪过程中目标与其背景的光照变化具有较大的相关性，仅更新目标直方图则无法体现这种相关性。另外，这种方法仅考虑前一帧目标的直方图的信息，在目标和背景变化较大时，这种目标直方图则不能体现，由此不能稳定地跟踪目标。

发明内容

本发明实施例提供一种用于目标跟踪的商直方图模型更新方法及装置，可以完成对用于目标跟踪的商直方图模型的更新，可以稳定地跟踪目标。

本发明实施方式提供一种用于目标跟踪的商直方图模型更新方法，包括：

计算在第一帧图像上选择的目标区域的商直方图，将所述目标区域的商直方图放入商直方图集合中；

根据所述商直方图集合中的信息建立目标模型；

获取下一帧图像，并根据所述目标模型计算该图像的反投影图；

在所述反投影图上跟踪目标以获取所述目标的信息，并根据所述目标的信息计算所述目标的商直方图，将所述目标的商直方图放入所述商直方图集合中以更新所述目标模型。

本发明实施方式还提供一种用于目标跟踪的商直方图模型更新装置，包括：

商直方图集合建立单元，用于建立商直方图集合，所述商直方图集合包括第一帧图像上选择的目标区域的商直方图；

目标模型建立单元，用于根据商直方图集合中的信息建立目标模型；

反投影图计算单元，用于根据所述目标模型建立单元所建立的目标模型计算下一帧图像的反投影图；

目标跟踪单元，用于在所述计算出的下一帧图像的反投影图上跟踪目标，得到目标的信息；

跟踪目标直方图获取单元，用于根据所述目标跟踪单元获得的目标信息获取所述目标的商直方图，所述目标的的商直方图被放入所述商直方图集合中以更新所述目标模型。

本发明实施例通过不断获取下一帧图像，根据目标模型计算当前帧图像的反投影图，在所述反投影图上跟踪目标，并根据跟踪目标的信息计算商直方图，将所述商直方图放入商直方图集合中，可以完成对商直方图集合的更新，以实现对目标模型的更新，所述目标模型可以包含多帧图像中目标和背景的信息，能够稳定地跟踪目标。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例一用于目标跟踪的商直方图模板更新方法的流程示意图；

图2是本发明实施例二用于目标跟踪的商直方图模板更新方法的流程示意图；

图3是本发明实施例三用于目标跟踪的商直方图模板更新方法的流程示意图；

图4是本发明实施例二中第一帧图像的原始图像示意图；

图5是本发明实施例二中待跟踪目标区域与背景区域的颜色直方图；

图6是本发明实施例二中待跟踪目标区域的商直方图；

图7是本发明实施例二中原始图像的反投影图；

图8是本发明实施例用于目标跟踪的商直方图模板更新装置的结构示意图；

图9是本发明实施例用于目标跟踪的商直方图模板更新装置的商直方图集合建立单元的结构示意图；

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施方式，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。

请参考图1，为本发明实施例一种用于目标跟踪的商直方图模型更新方法的流程示意图，其步骤具体包括：

步骤S101：计算目标区域对应的商直方图，并将所述目标区域的商直方图放入商直方图集合Model中；具体的，计算在第一帧图像上选择的目标区域的商直方图，将所述目标区域的商直方图放入商直方图集合Model中，本发明实施例将商直方图集合定义成集合Model，也可以定义成其他名字，在所述商直方图放入集合Model之前，所述集合Model中的元素数目为0。

步骤S102：建立目标模型H；具体的，根据步骤S101中集合Model中商直方图的信息计算目标模型。

步骤S103：取下一帧图像。

步骤S104：计算该帧图像的反投影图Map；具体的，根据步骤S102计算出的目标模型计算出步骤S103提取的下一帧图像的反投影图，本发明实施例将计算出的反投影图定义为Map，也可以定义为其他名字。

步骤S105：在Map上获取跟踪目标的信息以获取所述目标的信息；具体的，例如可以利用Camshift方法在Map上获取跟踪目标的信息，所述跟踪目标的信息包括所述跟踪目标的位置和大小。本发明实施例以Camshift方法为例，但并不限于此，还可以采用其他跟踪方法计算目标的位置和大小，如Meanshift(均值漂移)方法，Kalman(卡尔曼)滤波方法等。

步骤S106：根据跟踪目标的信息计算所述目标的商直方图Hc；

步骤S107：将所述目标的商直方图Hc放入商直方图集合Model中；具体的，将当前帧的商直方图Hc放入商直方图集合Model中，更新商直方图集合Model，以更新所述目标模型。

步骤S108：判断是否存在下一帧图像，如果存在，则进行步骤S103，获取下一帧图像，继续实现集合Model的更新，否则结束。

本发明实施例通过将当前帧的商直方图放入商直方图集合Model中，并根据集合Model中的信息计算目标模型，获取下一帧图像后再根据目标模型计算出该帧图像的反投影图Map，然后在Map上找到跟踪目标，计算出该目标的信息，根据目标的信息计算商直方图，将所述商直方图放入商直方图集合Model中，可以完成对商直方图集合Model的更新，以实现对目标模型的更新，所述目标模型可以包含多帧图像中目标和背景的信息，能够稳定地跟踪目标。

请参考图2，一种用于目标跟踪的商直方图模型更新方法的流程示意图，其步骤包括：

步骤S201：在第一帧图像上选择目标区域；

具体的，在待跟踪图像的第一帧图像中，通过手工标记或其它方法确定待跟踪目标的位置。待跟踪图像为视频序列图像，在第一帧图像中，可以利用矩形框选择待跟踪目标区域，确定待跟踪目标的位置，并选择待跟踪目标区域周围的一定范围的图像为背景区域，例如可以选择待跟踪目标区域的宽度和高度中较大的值W作为窗宽，从待跟踪目标区域上下左右边界向外延伸W长度，则延伸部分所构成的区域为与该待跟踪目标区域相对应的背景区域。

图4为本实施例中采用的待跟踪图像中第一帧图像的原始图像，其中较小的矩形框内为待跟踪目标区域，较大的矩形框与较小矩形框之间的部分为背景区域，此处选择待跟踪目标区域的高度W作为背景窗宽。设目标(较小)矩形框上、下、左、右的坐标值为[Tf，Bf，Lf，Rf]，背景(较大)矩形框上、下、左、右的坐标值为[Tb，Bb，Lb，Rb]。

步骤S202：计算目标区域对应的商直方图，并将所述目标区域的商直方图放入集合Model，在所述目标区域的商直方图放入集合Model之前，所述集合Model中的元素数目为0；

具体的，计算目标区域对应的商直方图，包括以下步骤：

计算出第一帧图像中的待跟踪目标区域的目标直方图；

计算出第一帧图像中的待跟踪背景区域的背景直方图；

计算所述目标直方图与背景直方图的似然比，得到所述目标区域的商直方图；

所述目标直方图和背景直方图均为颜色直方图，颜色直方图是在许多图像检索系统中被广泛采用的颜色特征，它所描述的是不同色彩在整幅图像中所占的比例。目标直方图的计算方式如下所示：

$>p={\left\{p_u\right\}}_{u=1,...,m}=\frac{\underset{i=\mathrm{Tf}}{\overset{\mathrm{Bf}}{\Sigma }}\underset{j=\mathrm{Lf}}{\overset{\mathrm{Rf}}{\Sigma }}\delta (x_{\mathrm{ij}}-u)}{N}$>

其中x_ij为图像像素值，N为目标矩形框内的像素数目，该式的分子部分含义为像素值等于u的像素个数；相应地背景直方图的计算公式为：

$>q={\left\{q_u\right\}}_{u=1,...,m}=\frac{\underset{i=\mathrm{Tb}}{\overset{\mathrm{Tf}}{\Sigma }}\underset{j=\mathrm{Lb}}{\overset{\mathrm{Lf}}{\Sigma }}\delta (x_{\mathrm{ij}}-u)+\underset{i=\mathrm{Bf}}{\overset{\mathrm{Bb}}{\Sigma }}\underset{j=\mathrm{Rf}}{\overset{\mathrm{Rb}}{\Sigma }}\delta (x_{\mathrm{ij}}-u)}{M}$>

其中M为背景矩形框去掉目标矩形框后的像素数目。待跟踪目标区域与背景区域的颜色直方图计算结果如图5所示。目标直方图与背景直方图的似然比，即待跟踪目标区域的商直方图的计算方式为：

$>L={\left\{l_u\right\}}_{u=1,...,m}=\frac{\max (p_u,h)}{\max (q_u,h)}$>

其中取max函数是为了防止被零除，其中h为一个较小的数值。待跟踪目标区域的商直方图如图6所示。假设有49个特征图像，则该步骤中得到相应的49个待跟踪目标区域的商直方图。

计算出目标区域的商直方图后，将该图像的帧序号、该帧图像的目标区域直方图放入商直方图集合Model中，所述集合Model中还包括该集合所能包含元素的门限值，即所能包含的商直方图的个数，本发明实施例假定门限值为20。

设商直方图集合为：

$>\mathrm{Model}=\{(L_{k_i},k_i),i=1,...,n\}$>

其中，k_i为商直方图的在图像序列中的帧序号，n为集合中所包含的商直方图的个数(实施例中取为20)，为第k_i帧图像对应的商直方图。

步骤S203：建立目标模型H；

具体的，目标模型H计算公式为：

$>H=\underset{i=1}{\overset{n}{\Sigma }}{S}_t\left(k_i\right)L_{k_i}$>

其中，k_i为商直方图的在图像序列中的帧序号，n为集合中所包含的商直方图的个数(实施例中取为20)。为第k_i帧图像对应的商直方图。S_t(m)＝αe^-(t-m)/τ，m≤t，α＝1-e^-1/τ，τ＝n/log2，其中t为当前帧的序号，m为当前帧之前的帧的序号，则t-m为当前帧与第m帧的间隔帧数，S_t(m)的值随该间隔的大小而变化，该间隔越大则S_t(m)的值越小。

步骤S204：取下一帧图像。

步骤S205：根据目标模型H计算所取的下一帧图像的反投影图Map；

具体的，反投影图即颜色的概率分布图，反投影图中每个像素值相当于原始图像相应位置像素属于目标的概率。反投影图像的计算方法为：设反投影图像结果为图像Bp，则每个像素值Bp_ij＝H(x_ij)，即反投影图中的像素值为以目标模型图像像素值为下标的目标模型的数组元素值。如图7所示为该帧图像的反投影图Map。

步骤S206：在Map上获取跟踪目标的信息，所述跟踪目标的信息包括跟踪目标的位置和大小；本发明实施例以Camshift方法为例，但并不限于此，还可以采用其他跟踪方法计算目标的位置和大小，如Meanshift(均值漂移)方法，Kalman(卡尔曼)滤波方法等。

步骤S207：根据跟踪目标的信息计算所述目标的商直方图Hc；

具体的，商直方图Hc的计算方法和步骤S202计算商直方图的方法相同。

步骤S208：判断Model中的商直方图数是否小于n；

具体的，该步骤即判断商直方图集合Model中元素的数目是否到达门限，所述门限n是预先设定，假设为20，如果Model中的元素数目小于20，则进行步骤S210，否则进行步骤S209。

步骤S209：删除Model中帧序号最小的商直方图；

具体的，如果步骤S208判断出Model中的元素数目不小于20，则删除Model中帧序号最小的商直方图，即删除最先存放进来的商直方图。

步骤S210：将所述目标的商直方图Hc放入Model中以更新所述目标模型；

具体的，如果步骤S208判断出Model中的元素数目小于20，则直接将步骤S207计算出来的商直方图Hc放入Model中，同时还要将该商直方图Hc所对应的帧序号放入Model中，以实现目标模型的更新。

步骤S211：判断是否存在下一帧图像；如果存在，则回到步骤S204，继续实现集合Model的更新，如果不存在下一帧图像，即当前帧图像为最后的帧图像，则结束操作。

本发明实施例通过将当前帧的商直方图放入商直方图集合Model中，并根据集合Model中的信息计算目标模型，获取下一帧图像后再根据目标模型计算出该帧图像的反投影图Map，然后在Map上找到跟踪目标，计算出该目标的信息，根据目标的信息计算商直方图，将所述商直方图放入商直方图集合Model中，可以完成对目标模型的更新，所述目标模型可以包含多帧图像中目标和背景的信息，能够稳定地跟踪目标。本发明实施例还设定了集合Model中所包含元素的门限，如果集合Model中所包含元素超过门限，则删除最先存放进来的商直方图，从而保证了在模型中距离当前帧越远的帧所产生的商直方图对模型的作用越小。

请参考图3，一种用于目标跟踪的商直方图模型更新方法的流程示意图，其步骤包括：

步骤S301：在第一帧图像上选择目标区域；

具体的，在待跟踪图像的第一帧图像中，通过手工标记或其它方法确定待跟踪目标的位置，待跟踪图像为视频序列图像，在第一帧图像中，可以利用矩形框选择待跟踪目标区域，确定待跟踪目标的位置，并选择待跟踪目标区域周围的一定范围的图像为背景区域，例如可以选择待跟踪目标区域的宽度和高度中较大的值W作为窗宽，从待跟踪目标区域上下左右边界向外延伸W长度，则延伸部分所构成的区域为与该待跟踪目标区域相对应的背景区域。

步骤S302：计算目标区域对应的商直方图，并放入集合Model，在所述商直方图放入集合Model之前，所述集合Model中的元素数目为0；

具体的，计算目标区域对应的商直方图，包括以下步骤：

计算出第一帧图像中的待跟踪目标区域的目标直方图；

计算出第一帧图像中的待跟踪背景区域的背景直方图；

计算所述目标直方图与背景直方图的似然比，得到所述目标区域的商直方图；

所述目标直方图和背景直方图均为颜色直方图，颜色直方图是在许多图像检索系统中被广泛采用的颜色特征，它所描述的是不同色彩在整幅图像中所占的比例。目标直方图的计算方式如下所示：

$>p={\left\{p_u\right\}}_{u=1,...,m}=\frac{\underset{i=\mathrm{Tf}}{\overset{\mathrm{Bf}}{\Sigma }}\underset{j=\mathrm{Lf}}{\overset{\mathrm{Rf}}{\Sigma }}\delta (x_{\mathrm{ij}}-u)}{N}$>

其中x_ij为图像像素值，N为目标矩形框内的像素数目，该式的分子部分含义为像素值等于u的像素个数；相应地背景直方图的计算公式为：

$>q={\left\{q_u\right\}}_{u=1,...,m}=\frac{\underset{i=\mathrm{Tb}}{\overset{\mathrm{Tf}}{\Sigma }}\underset{j=\mathrm{Lb}}{\overset{\mathrm{Lf}}{\Sigma }}\delta (x_{\mathrm{ij}}-u)+\underset{i=\mathrm{Bf}}{\overset{\mathrm{Bb}}{\Sigma }}\underset{j=\mathrm{Rf}}{\overset{\mathrm{Rb}}{\Sigma }}\delta (x_{\mathrm{ij}}-u)}{M}$>

其中M为背景矩形框去掉目标矩形框后的像素数目。目标直方图与背景直方图的似然比，即待跟踪目标区域的商直方图的计算方式为：

$>L={\left\{l_u\right\}}_{u=1,...,m}=\frac{\max (p_u,h)}{\max (q_u,h)}$>

其中取max函数是为了防止被零除，其中h为一个较小的数值。假设有49个特征图像，则该步骤中得到相应的49个待跟踪目标区域的商直方图。

计算出目标区域的商直方图后，将该图像的帧序号、该帧图像的目标区域直方图放入商直方图集合Model中，所述集合Model中还包括该集合所能包含元素的门限值，即所能包含的商直方图的个数，本发明实施例假定门限值为20。

设商直方图集合为：

$>\mathrm{Model}=\{(L_{k_i},k_i),i=1,...,n\}$>

其中，k_i为商直方图的在图像序列中的帧序号，n为集合中所包含的商直方图的个数(实施例中取为20)，为第k_i帧图像对应的商直方图。

步骤S303：计算目标模型H；

具体的，目标模型H计算公式为：

$>H=\underset{i=1}{\overset{n}{\Sigma }}{S}_t\left(k_i\right)L_{k_i}$>

其中，k_i为商直方图的在图像序列中的帧序号，n为集合中所包含的商直方图的个数(实施例中取为20)。为第k_i帧图像对应的商直方图。S_t(m)＝αe^-(t-m)/τ，m≤t，α＝1-e^-1/τ，τ＝n/log2，其中t为当前帧的序号，则t-m为当前帧与第m帧的间隔帧数，S_t(m)的值随该间隔的大小而变化，该间隔越大则S_t(m)的值越小。

步骤S304：取下一帧图像。

步骤S305：根据目标模型H计算所取的下一帧图像的反投影图Map；

具体的，反投影图即颜色的概率分布图，反投影图中每个像素值相当于原始图像相应位置像素属于目标的概率。反投影图像的计算方法为：设反投影图像结果为图像Bp，则每个像素值Bp_ij＝H(x_ij)，即反投影图中的像素值为以目标模型图像像素值为下标的目标模型的数组元素值。

步骤S306：在Map上获取跟踪目标，以获取所述目标的位置和大小；本发明实施例以Camshift方法为例，但并不限于此，还可以采用其他跟踪方法计算目标的位置和大小，如Meanshift(均值漂移)方法，Kalman(卡尔曼)滤波方法等。

步骤S307：根据跟踪目标的位置和大小计算所述目标的商直方图Hc；

具体的，所述目标的商直方图Hc的计算方法和步骤S302计算商直方图的方法相同。

步骤S308：计算所述目标的商直方图Hc与集合中所有商直方图的距离，选取距离最大值D；

具体的，计算所述目标的商直方图Hc与集合中所有商直方图的距离采用如下计算公式：

$>{\chi }^2(A,B)=\underset{i}{\Sigma }\frac{{(A_i+B_i)}^2}{A_i+B_i}$>

其中，χ²为概率统计，A，B均为商直方图，所得到的距离χ²(A，B)反映了两个商直方图之间相似的程度，两者越相似，那么该值就越小。

对于Hc与集合Model中的所有商直方图的距离，找到最大值D。

步骤S309：判断D是否大于阈值T；其中阈值T为一固定的预设值，T的取值要求并不十分严格，在一定范围内对跟踪结果影响不大，一般可以取第一帧和第二帧图像的商直方图之间的距离。如果D大于阈值T，则进行步骤S310，否则进行步骤S313。

步骤S310：判断Model中的商直方图数是否小于n；

具体的，该步骤即判断商直方图集合Model中元素的数目是否到达门限，所述门限n是预先设定，假设为20，如果Model中的元素数目小于20，则进行步骤S312，否则进行步骤S311。

步骤S311：删除Model中帧序号最小的商直方图；

具体的，如果步骤S310判断出Model中的元素数目不小于20，则删除Model中帧序号最小的商直方图，即删除最先存放进来的商直方图。

步骤S312：将当前帧的商直方图Hc放入Model中，更新商直方图集合Model，以实现目标模型的更新；

具体的，如果步骤S310判断出Model中的元素数目小于20，则直接将步骤S307计算出来的商直方图Hc放入Model中，同时还要将该商直方图Hc所对应的帧序号放入Model中。

步骤S313：判断是否存在下一帧图像；如果存在，则回到步骤S304，继续实现集合Model的更新，如果不存在下一帧图像，即当前帧图像为最后的帧图像，则结束操作。

本发明实施例三和实施例二的区别在于，增加了步骤S308，计算Hc与集合中所有商直方图的距离，选取距离最大值D，以及步骤S309，判断D是否大于阈值T，增加这两个步骤的有益效果在于，保证了商直方图集合Model中的商直方图之间的相似度较小，在目标外观变化较大时也可以稳定地跟踪目标，并且计算商直方图距离的次数有限，计算量较小，可以快速地更新模型。

请参考图8，为本发明实施例一种用于目标跟踪的商直方图模板更新装置的结构示意图，包括：商直方图集合建立单元41、目标模型建立单元42、反投影图计算单元43、目标跟踪单元44、跟踪目标直方图获取单元45、视频获取单元46、判断单元47、目标信息输出单元48，其中：

所述商直方图集合建立单元41，用于建立商直方图集合，所述商直方图集合包括第一帧图像上选择的目标区域的商直方图；

所述目标模型建立单元42，用于根据所述商直方图集合中的信息建立目标模型；

所述反投影图计算单元43，用于根据所述目标模型建立单元42所建立的目标模型计算下一帧图像的反投影图；

所述目标跟踪单元44，用于在所述计算出的下一帧图像的反投影图上跟踪目标，得到目标的信息；

所述跟踪目标直方图获取单元45，用于根据目标跟踪单元44获取的目标的信息获取所述目标的商直方图，然后所述商直方图集合建立单元41获取跟踪目标直方图获取单元45的目标的商直方图，所述目标模型建立单元42，用于根据所述商直方图集合中的信息更新所述目标模型；

所述视频获取单元46，用于获取视频设备采集到的视频图像序列，以得到下一帧图像；

所述判断单元47，用于判断是否存在下一帧图像，如果存在下一帧图像，则将判断结果发送给反投影图计算单元43，所述反投影图计算单元43再根据目标模型计算下一帧图像的反投影图；

所述目标信息输出单元48，用于输出目标跟踪单元44获得的目标的信息。

其中，商直方图集合建立单元41包括：目标区域选取单元411、商直方图计算单元412、商直方图存储单元413，如图9所示，其中：

所述目标区域选取单元411，用于确定第一帧图像中的待跟踪目标区域和背景区域；

所述商直方图计算单元412，用于计算目标区域选取单元411所选择的目标区域的商直方图，所述目标区域的商直方图构成所述商直方图集合中的一个元素；

所述商直方图存储单元413，用于存储所述商直方图计算单元412获得的目标区域的商直方图及所述跟踪目标直方图获取单元45获取的目标的商直方图。具体的，所述目标模型建立单元42根据所述商直方图存储单元413中存储的商直方图的信息建立目标模型，所述商直方图存储单元413获取到所述跟踪目标直方图获取单元45的目标的商直方图后，所述目标模型建立单元42根据此时商直方图存储单元413中存储的商直方图的信息更新目标模型。

本发明实施例通过商直方图集合建立单元建立商直方图集合，目标模型建立单元则根据集合的信息，建立目标的基本模型，反投影图计算单元根据目标模型计算反投影图，目标跟踪单元在反投影图上跟踪目标，获得目标当前的位置和大小，目标更新单元再根据当前的位置、大小计算出新的商直方图，更新商直方图集合，以实现目标模型的更新，从而保证了在目标、背景变化较大时也可以稳定地跟踪目标。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述程序可以存储于一计算机可读取存储介质中，所述存储介质为ROM/RAM、磁碟、光盘等。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。