The invention relates to a long-term moving target tracking method based on multi-feature fusion, which belongs to the field of computer vision. Firstly, the HOG feature is used to fuse the HSV color feature to train the position filter in the region where the target is initialized in the first frame and the context information area around the target; then, the feature is extracted in the target area of the next frame and compared with the previous frame, the confidence value is calculated, and the response graph is obtained, and the location where the maximum response value is selected is defined as the location of the target. Threshold, when the target is lost, the function of re-detection is activated, and the online random fern classifier is used to re-detect the target on the whole image when the maximum confidence score is less than this threshold.
【技术实现步骤摘要】
一种基于多特征的融合的长时运动目标跟踪方法
本专利技术涉及一种基于多特征的融合的长时运动目标跟踪方法,属于复杂场景下对运动目标的实时跟踪
技术介绍
视频跟踪是机器视觉领域的基础问题之一,它是目标识别,行为识别等后续应用的基础,在航空和航天,社会安全等重大项目中有着广阔的应用前景;视频跟踪可以用在自动监控、视频索引、人机交互、交通监控、车辆导航等方面。然而,由于物体的突然运动、目标或者背景外观的改变、目标遮挡、非刚性形变以及摄像机的抖动等外在因素的变化,进行鲁棒的跟踪仍然面临着很大的挑战。由于相关滤波方法的高效性,Bolme等提出了最小输入平方误差和(MinimumOutputSumofSquareError,MOSSE)算法,采用灰度特征进行跟踪,它克服了目标尺度形变的情况,对目标外观的变化有着较强的鲁棒性。Henriques等[1]提出了循环结构的检测跟踪(CirculantStructureofTracking-by-DetectionwithKernel,CSK)算法,采用正则化最小二乘分类器实现对目标的跟踪。之后Henriques等又提出了基于核相关滤波器(KernelCorrelationFilter)的跟踪算法,使用目标的方向梯度(HistogramofOrientedGradients)特征来替代了CSK算法中所使用的灰度特征,对跟踪效果有了进一步提升。KZhang等人提出基于时空上下文的快速跟踪方法(FastVisualTrackingviaDenseSpatio-TemporalContextLearning),融合目标周围的空 ...
【技术保护点】
1.一种基于多特征的融合的长时运动目标跟踪方法,其特征在于:具体步骤如下:Step1:初始化目标并选取目标区域以及上下文空间区域;Step2:提取目标区域以及上下文空间区域的方向梯度直方图特征以及HSV颜色特征进行融合作为训练样本,训练出一个位置滤波器模型;Step3:计算比较新一帧与前一帧的置信分数,得到特征的响应图,选取置信值最大的位置为目标所在位置;Step4:在最大置信分数小于预定义的阈值时,激活重检测功能,使用在线随机蕨分类器,开始在整幅图像上重新检测目标;Step5:更新模型,更新在线随机蕨检测器,直到视频序列结束。
【技术特征摘要】
1.一种基于多特征的融合的长时运动目标跟踪方法,其特征在于:具体步骤如下:Step1:初始化目标并选取目标区域以及上下文空间区域;Step2:提取目标区域以及上下文空间区域的方向梯度直方图特征以及HSV颜色特征进行融合作为训练样本,训练出一个位置滤波器模型;Step3:计算比较新一帧与前一帧的置信分数,得到特征的响应图,选取置信值最大的位置为目标所在位置;Step4:在最大置信分数小于预定义的阈值时,激活重检测功能,使用在线随机蕨分类器,开始在整幅图像上重新检测目标;Step5:更新模型,更新在线随机蕨检测器,直到视频序列结束。2.根据权利要求1所述的基于多特征的融合的长时运动目标跟踪方法,其特征在于:所述步骤Step1的具体步骤如下:Step1.1、初始化目标,采用循环位移的方法采集样本,使用循环矩阵训练分类器,把数据矩阵转换成一个循环矩阵;Step1.2、根据第一帧目标框两倍的大小选取目标的上下文信息区域。3.根据权利要求2所述的基于多特征的融合的长时运动目标跟踪方法,所述步骤Step2的具体步骤如下:Step2.1、提取目标框两倍大小区域的上下文信息的HOG和HSV颜色特征进行融合,采用特征向量的多通道的特征串联表示,由于核相关函数只需要计算点积和向量的范数,所以就通过多通道提取图像特征,假设数据表示的多个通道用一个向量d=[d1,d2,...,dC]表示,可以对多个特征进行融合采用的高斯核函数可以表示为:式中kdd’表示所求的高斯核函数的结果;σ表示带宽,控制高斯核函数的局部作用范围;d与d’分别代表两个多通道向量;||d||表示二范数;F-1表示逆傅里叶变换;^代表离散傅里叶变换,⊙代表矩阵元素级的乘法,而*代表复共轭。4.根据权利要求3所述的基于多特征的融合的长时运动目标跟踪方法,所...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。