本发明专利技术公开了一种基于视觉显著性的形变物体跟踪算法及其系统，方法包括以下步骤：S1：人工标定目标区域；S2：通过基于视觉显著性的图像分割算法，获取包含前景目标的局部显著性图谱；S3：对前景区域进行分割；S4：建立目标前景模型；S5：通过基于颜色特征的颜色直方图跟踪器对前景模型初始化；S6：基于点特征的光流跟踪器获取候选目标并对其进行判定；S7：获取目标最终位置；S8：目标学习与更新。本发明专利技术该进行显著性处理的同时，还考虑了算法的计算效率，并通过局部大小窗的方法自动分割前景信息，通过前景信息矩阵建立一个软化模型，并生成对应模型的颜色直方图，进行直方图匹配，增加跟踪器的判断能力，同时通过学习器不断的学习目标的新模型。
【技术实现步骤摘要】
本专利技术涉及一种基于视觉显著性的形变物体跟踪算法及其系统。
技术介绍
近年来，随着机器学习和模式识别相关领域的快速发展，极大的推动了计算机视 觉技术的发展，大量的工程实践和算法论文如雨后春笋般涌现出来。CVPR，ECCV，ICC这些计 算机视觉领域的核心期刊中不乏大量的极具创新，极具影响力的优秀论文。其中，在线学习 作为一种机器学习方法，被越来越多的引入到计算机视觉领域中来，开辟出一系列能够在 线的对目标进行学习，不断的更新模板模型，从而实现更加快速，鲁棒的跟踪的算法技术。 计算机视觉基于在线学习的计算机视觉的目标跟踪问题可以归纳为这样一个流 程：目标的建模，目标的搜索以及目标的更新。其中：目标的建模可以理解为特征选择的问 题，进一步说就是选择什么样的特征，用什么样的特点能够最优，最快速，最稳定的表示当 前目标；而目标的搜索可以理解为在全局图像中，用什么样的方法去搜索与我们所建立模 型对应的目标，从而在实时过程中不断的跟踪目标；而目标模型的更新，则是考虑到现实场 景的实际跟踪过程中，目标的外观受到光照，遮挡，形变，旋转和摄像机运动等多方因素的 影响，必然发生不变化，我们需要在实时过程中不断的学习并更新目标的模型。 基于自然场景下的形变目标的跟踪技术是计算机视觉领域的一个富有挑战性的 工作，指定一个追踪的目标，在目标追踪的过程中，经常会出现追踪对象的丢失，追踪对象 的外形发生改变等情况在目标追踪技术中，通常可以分为静态模型和自适应模型，其中，在 静态模型，假设被追踪目标对象的外观特征改变较小，或者是改变的先验知识已知，由于在 实际的视频追踪中，由于被追踪目标的外形会时刻随着目标的运动而时刻改变，同时先验 知识也不是容易获得，因此造成了利用静态模型追踪目标的先天劣势；自适应模型能够快 速地学习追踪目标的特征，通过改变模板库，结合记忆，能够较好地适应长时间的目标追 踪，但是，自适应方法由于需要保持记忆库，同时不断更新记忆库，因此对于计算机的硬件 要求较高。 对于自然场景下目标形变的跟踪，往往因为：1.目标外观的形变过于频繁2.目标 外观的不规则，混入背景像素等问题，直接导致了跟踪失败。 宄其原因，目前大量的跟踪算法都存在这样一些问题，比如它们大多采用刚性的 模板对目标进行建模，这样对于经常发生形变的且外观不规则物体，套用一个形状不匹配 的矩形框模板进行建模，必然导致背景像素的错误学习，使得在跟踪过程中，非常容易受到 背景变化的干扰，如果同一时刻目标本身也在发生形变，则极易导致跟踪失败。 在自然场景下的长期目标形变跟踪问题中，往往存在一些不变特征，例如颜色分 布，运动趋势，视觉显著性。如何有效的提取和利用这些不变特性，才是解决此问题的关键。 本专利技术将通过目标显著性特征提取和软化模板建模两个方面，共同解决自然场景下表观变 化跟踪难的问题。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种基于视觉显著性的形变物体跟 踪算法及其系统，解决现有技术采用刚性的模板对目标进行建模，对于经常发生形变的且 外观不规则物体，套用一个形状不匹配的矩形框模板进行建模，必然导致背景像素的错误 学习，使得在跟踪过程中，非常容易受到背景变化的干扰，如果同一时刻目标本身也在发生 形变，则极易导致跟踪失败的问题。 本专利技术的目的是通过以下技术方案来实现的：一种基于视觉显著性的形变物体跟 踪算法，它包括以下步骤： S1 :人工标定目标区域：在视频/图像序列第一帧，在图像的某一个区域手动框定 一个矩形框得到框定区域bbi，来代表要跟踪的物体；所述的框定区域完全包含目标物体的 所有部分； S2:通过基于视觉显著性的图像分割算法，获取图像包含前景目标的局部显著性 图谱 D(x，y); S3 :对前景区域进行分割； S4:建立目标前景模型； S5 :通过基于颜色特征的颜色直方图跟踪器对前景模型初始化； S6 :基于点特征的光流跟踪器获取候选目标并对其进行判定； S7:获取目标最终位置； S8:目标学习与更新。 所述的步骤S2包括以下子步骤： S21 :得到原图像对应的灰度图，包括以下子步骤： S2101 :以框定矩形区域％为中心，生成一个长宽比一致、面积4倍于原矩形区域 的新矩形区域bb2; S2102 :在bl%IX域内，计算灰度直方图，计算公式如下：【主权项】1. 一种基于视觉显著性的形变物体跟踪算法，其特征在于：它包括以下步骤： 51 :人工标定目标区域：在视频/图像序列第一帧，在图像的某一个区域手动框定一个 矩形框得到框定区域bbi，来代表要跟踪的物体；所述的框定区域完全包含目标物体的所有 部分； 52 :通过基于视觉显著性的图像分割算法，获取图像包含前景目标的局部显著性图谱 D (x, y)； 53 :对前景区域进行分割； S4:建立目标前景模型； 55 :通过基于颜色特征的颜色直方图跟踪器对前景模型初始化； 56 :基于点特征的光流跟踪器获取候选目标并对其进行判定； 57 :获取目标最终位置； S8:目标学习与更新。2. 根据权利要求1所述的一种基于视觉显著性的形变物体跟踪算法，其特征在于：所 述的步骤S2包括以下子步骤： 521 :得到原图像对应的灰度图，包括以下子步骤： 52101 :以框定矩形区域IA1为中心，生成一个长宽比一致、面积4倍于原矩形区域的新 矩形区域bb 2; 52102 :在bb2区域内，计算灰度直方图，计算公式如下：式中，k e 代表灰度的256种像素值，I代表当前图像的所有像素点集合， IiE I，c (k，i)代表当对应图像的像素值i等于当前颜色k时，值为1，否则为0 ; 52103 :枏据步骤S2102得到的公式，得到某个像素 k在整幅图像中出现的频数h(k):通过重复计算k的每一个取值，得到整个图像的灰度直方图H(k); 522 :计算各个灰度图256个颜色对应的显著性值d(k)，即每个颜色的对比度，计算公 式如下：式中，H(j)代表某个颜色的出现频数；|k-j I为两个颜当前第1页1 2 本文档来自技高网...
【技术保护点】
一种基于视觉显著性的形变物体跟踪算法，其特征在于：它包括以下步骤：S1：人工标定目标区域：在视频/图像序列第一帧，在图像的某一个区域手动框定一个矩形框得到框定区域bb1，来代表要跟踪的物体；所述的框定区域完全包含目标物体的所有部分；S2：通过基于视觉显著性的图像分割算法，获取图像包含前景目标的局部显著性图谱D(x,y)；S3：对前景区域进行分割；S4：建立目标前景模型；S5：通过基于颜色特征的颜色直方图跟踪器对前景模型初始化；S6：基于点特征的光流跟踪器获取候选目标并对其进行判定；S7：获取目标最终位置；S8：目标学习与更新。
【技术特征摘要】
【专利技术属性】
技术研发人员：程洪，李昊，杨路，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51
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。