一种基于类相似性测量的实时目标跟踪算法制造技术

本发明专利技术公开了一种基于类相似性测量的实时目标跟踪算法，目标跟踪对实时性要求非常高，在目前主流的基于检测跟踪的框架下，根据测试样本与目标类和背景类的相似度比较来确定目标在新帧中的目标位置。本方法首先在当前帧采集目标类和背景类集合，计算出它们的统计特征，并在下一帧采集测试样本集合。本方法定义了一种计算测试样本与类之间相似度的量化标准，通过找出与目标类相似以及和背景类不相似的测试样本来确定目标位置。本方法明显提高了跟踪的实时性以及跟踪精度。

【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表示从样本提取出的第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。作为优选，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％。作为优选，步骤1中参数是nf维的向量。作为优选，步骤2中rp取值为4，rin取值为6，ron取值范围是9～15。作为优选，步骤3中提取nf个类哈尔特征的方法是对于样本xt，随机在其中选取nf个矩形框，使用每个矩形框中像素和的平均值作为特征。作为优选，步骤4中所述的计算目标类和背景类在第t帧的统计特征其具体实现过程是对于第t帧的目标类根据其中样本的特征计算均值和标准差；其中np为目标类中样本的个数；其中nn为背景类中样本的个数；作为优选，步骤5中所述的根据学习率λ更新参数其具体实现过程为：若当前帧t＝1，则否则其中λ取值范围是0.7～1。作为优选，步骤5中所述的λ＝0.9。作为优选，步骤6中rs的取值范围为9～15。作为优选，步骤7中所述的即为所有样本特征的距离之和，其中i表示根据第i个特征计算出的距离，作为优选，步骤8中所述的S(x,χ)＝exp(-d(x,χ))。作为优选，步骤9中所述的目标函数目标在t+1帧所在位置为其中S(x,χ+)表示测试样本与目标类之间的相似度，S(x,χ-)表示测试样本与背景类之间的相似度。本专利技术简化了基于检测的跟踪的许多步骤，通过直观的判断样本与目表、样本与背景的相似度直接得出目标所在位置，到达速度快，跟踪准的效果。与现有技术相比，本专利技术的有益效果是易于理解，速度快，跟踪准确，能够应对跟踪过程中发生的形变，光照变化，遮挡等各种因素。附图说明图1：为本专利技术实施例的流程图；图2：为本专利技术实施例的试验对比图。具体实施方式为了便于本领域普通技术人员理解和实施本专利技术，下面结合附图及实施例对本专利技术作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本专利技术，并不用于限定本专利技术。请见图1，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本文档来自技高网...

【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|||l(xt+1)-l(xt*)||≤rs}={xt+1(i)}i=1nc,]]>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：d(x,χ+)=Σi=1nfdi(x,χ+),d(x,χ-)=Σi=1nfdi(x,χ-);]]>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。...

【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％...

【专利技术属性】
技术研发人员：何发智，李康，陈晓，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42