【技术实现步骤摘要】
一种基于类相似性测量的实时目标跟踪算法
本专利技术属于目标跟踪
,涉及一种基于类相似性测量的实时目标跟踪算法。
技术介绍
目标跟踪在计算机视觉中一个重要领域,在军事,医疗,监控以及人机交互中有着重要的应用。最近几年来有许多算法用于解决目标跟踪的问题,但是由于目标的形变,光照的变化,以及目标被遮挡等原因,目标跟踪仍然是一个难点。目前主流的实时跟踪算法都是具有自适应性的。一般来说跟踪算法可以分为两类:生成算法和判别算法。生成算法能够学习目标的特征模型,然后搜索目标可能所在的区域,使用已学习的模型以最小误差重建的区域即为目标所在位置。为了解决目标形变问题,WSL和IVT算法先后被提出。最近,稀疏表示方法用来解决目标被部分遮挡的问题。但是这些生成模型都没有利用目标周围的背景信息,这些背景信息能够在检测目标时更好地将目标与背景分离出来。判别模型将目标跟踪看做一种将目标与背景分离出来的检测问题。在判别模型中,使用区分能力较好的特征能够有效的提高跟踪精度。使用多个弱分类器组成强分类器的boosting算法目前得到了广泛的应用。但是,许多boosting算法只利用了目标本身的信息,并没有利用目标背景的信息,所以当目标没有被精确的检测到之后,就会影响以后目标跟踪的精度,最终导致跟踪失败。
技术实现思路
为了克服上述现有技术的不足,本专利技术提供了一种基于类相似度检测的实时目标跟踪算法。本专利技术所采用的技术方案是:一种基于类相似性测量的实时目标跟踪算法,其特征在于,包括以下步骤:步骤1:对于获取的包括N帧的视频序列,从t=1帧开始,确定第t帧的目标它的位置为其中是一个矩形 ...
【技术保护点】
一种基于类相似性测量的实时目标跟踪算法,其特征在于,包括以下步骤:步骤1:对于获取的包括N帧的视频序列,从t=1帧开始,确定第t帧的目标它的位置为其中是一个矩形框,框内是需要跟踪的目标;包含四个参数:目标在该帧中的行坐标列坐标宽度width和高度height;初始化参数为0,这四个参数分别表示目标类的均值、方差和背景类的均值、方差,其中上标“+”表示目标类,“‑”表示背景类,下标i表示从样本提取的第i个特征;步骤2:在周围半径rp个像素内采集目标类样本集这里xt表示第t帧目标类中的样本,l(xt)表示样本xt所在的位置;在周围半径rin、ron像素之间采集背景类样本集这里xt表示第t帧背景类中的样本,l(xt)表示样本xt所在的位置;其中rp,rin,ron是经验参数,单位为像素;步骤3:对目标类和背景类中的每个样本提取nf个类哈尔特征f(xt)={f1(xt),f2(xt),...,fnf(xt)};]]>步骤4:计算目标类和背景类在第t帧的统计特征步骤5:根据学习率λ更新参数其中学习率是经验参数;步骤6:在第t+1帧的周围半径rs个像素内采集测试样本χt+1o={xt+1| ...
【技术特征摘要】
1.一种基于类相似性测量的实时目标跟踪算法,其特征在于,包括以下步骤:步骤1:对于获取的包括N帧的视频序列,从t=1帧开始,确定第t帧的目标它的位置为其中是一个矩形框,框内是需要跟踪的目标;包含四个参数:目标在该帧中的行坐标列坐标宽度width和高度height;初始化参数为0,这四个参数分别表示目标类的均值、方差和背景类的均值、方差,其中上标“+”表示目标类,“-”表示背景类,下标i表示从样本提取的第i个特征;步骤2:在周围半径rp个像素内采集目标类样本集这里xt表示第t帧目标类中的样本,l(xt)表示样本xt所在的位置;在周围半径rin、ron像素之间采集背景类样本集这里xt表示第t帧背景类中的样本,l(xt)表示样本xt所在的位置;其中rp,rin,ron是经验参数,单位为像素;步骤3:对目标类和背景类中的每个样本提取nf个类哈尔特征步骤4:计算目标类和背景类在第t帧的统计特征步骤5:根据学习率λ更新参数其中学习率是经验参数;步骤6:在第t+1帧的周围半径rs个像素内采集测试样本并根据步骤3中的方法提取出它们的类哈尔特征;步骤7:定义样本与类之间的距离为d(x,χ),计算每个测试样本与目标类在第i个特征上的距离di(x,χ+),以及每个测试样本与背景类在第i个特征上的距离di(x,χ-),将它们的和作为样本与目标类和背景类之间的距离,即:步骤8:定义样本与类之间的相似度为S(x,χ);分别计算测试样本与目标类之间的相似度S(x,χ+)=exp(-d(x,χ+)),以及测试样本与背景类之间的相似度S(x,χ-)=exp(-d(x,χ-));步骤9:定义目标函数J(x),选择测试样本中与目标类相似且与背景类不相似的样本作为目标在t+1帧的位置;步骤10:判断,t+1帧是不是最后一帧;若t+1帧不是最后一帧,则令t=t+1,回转执行所述的步骤1;若t+1帧是最后一帧,则本算法结束。2.根据权利要求1所述的基于类相似性测量的实时目标跟踪算法,其特征在于:步骤1中所给出的目标位置使用矩形框将目标标出,其所标矩形框需要准确的给出目标所在位置,并且保证精确,矩形框中背景所占的像素不得超过矩形框总像素的10%...
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。