【技术实现步骤摘要】
【专利摘要】本专利技术公开了,本专利技术首先把目标分块,并根据小块构建目标外貌模型。然后采用粒子滤波得到候选对象集合,并对每个候选对象构建与目标相同的外貌模型。接下来采用基于局部的显著度计算方法,得到目标的显著度图,并根据显著度图计算每个小块的权重。最后根据候选对象与目标的外貌模型以及各个小块的权重,我们得到各个候选对象与目标的相似度,并把相似度最高的候选对象作为跟踪结果。本专利技术通过引入显著度信息,使得目标外貌模型突出反映显著区域的特征,从而提高了目标跟踪算法的鲁棒性。【专利说明】
本专利技术属于计算机视觉领域,尤其涉及。
技术介绍
目标跟踪是计算机视觉领域的重要组成部分,他在行为分析,视频监控,交通管制,军事等方面有着广泛的应用。近些年来,虽然目标跟踪已经取得了一系列突破性的进展,但当发生遮挡,光照变化,姿态变化等情况时,目标跟踪算法依然存在问题。目前,目标跟踪仍然是国际上热门的研究课题。现有的目标跟踪算法大致可归为判别式方法和生成式方法。判别式方法把跟踪看成二元分类问题,通过构造二元分类器把目标从背景中区分出来,从而达到跟踪的效果。例如Kalal等人提出一种P-N学习算法来提取正负样本间可能存在的结构信息,来学习一种有效的分类器进行目标跟踪。生成式方法通过寻找图像中跟目标模型最接近的区域来实现跟踪。例如WeiZhong>Huchuan Lu和Ming-Hsuan Yang提出一种基于稀疏的外貌模型,通过排除可能发生遮挡的小块,来提高目标跟踪算法对遮挡的鲁棒性。上述的方法对目标中的每个区域都平等对待,而没有区分主次。事实上,目标中的有些 ...
【技术保护点】
一种基于显著度的目标跟踪方法,其特征在于,包括以下步骤:步骤1:构建目标外貌模型,其具体实现过程是针对目标采用固定窗口大小的滑动窗口,得到目标区域内的M个小块,构建目标外貌模型,并表示为{α1,α2,…,αM};步骤2:得到候选对象:根据粒子滤波,通过在目标区域附近随机采样的方法得到N个候选对象,并一一对所述的N个候选对象构建与目标相同的外貌模型,其中第i个候选对象外貌模型表示为步骤3:计算所述的目标的显著度图;步骤4:根据显著度图,一一计算步骤1中所述的目标外貌模型中M个小块的权重;步骤5:计算每个候选对象与目标的相似度;步骤6:选择相似度最高的候选对象为跟踪结果。
【技术特征摘要】
【专利技术属性】
技术研发人员:胡瑞敏,王亦民,梁超,罗波,郑琪,熊明福,
申请(专利权)人:武汉大学,
类型:发明
国别省市:
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。