【技术实现步骤摘要】
本专利技术属于计算机视觉与模式识别领域，具体涉及一种实时的视频跟踪方法。
技术介绍
视频跟踪技术可以广泛地应用于无人驾驶、安防监控、工业控制、智能交通、国防军事等领域，其背后蕴藏着十分巨大的学术价值和经济价值。尽管国内外研究人员提出了很多的跟踪算法，但是在实际应用中仍然面临着一些困难，主要包括以下几个方面：（1） 跟踪目标的外观变化，因为跟踪目标相对于摄像机的视角、距离不断变化；（2）外界环境的光照变化；（3）其他物体的遮挡和干扰；（4）实时性要求。最近几年，基于检测的跟踪算法正逐渐地成为视频跟踪领域的主流，比较有代表性的算法有CN、KCF、STC、ODFS等。以KCF（核化相关滤波器）为例，KCF对光照变化、遮挡、非刚性形变、运动模糊、背景杂乱的视频跟踪效果较好，但对于尺度变化、快速运动、刚性形变等视频跟踪效果不佳。
技术实现思路
针对KCF算法的不足，本专利技术提出了一种实时的视频跟踪方法，具体包括以下步骤：（1）视频的第m帧，标出需要跟踪的目标区域ROI，其中1 ≤ m < M，M为视频的全部帧数；（2）对目标区域ROI提取特征，即执行步骤A-G：A、将ROI进行特定比例的扩展，得到区域RExpand；B、读取步骤A所述的RExpand内的视频数据，得到Video；C、将步骤B所述的Video缩放至特定大小，得到VScale；D、将步骤C所述的VScale分割成p个N×N大小的子块，其中2≤N≤8；E、对步骤D所述的每个子块j提取特征，即执行步骤a-c，其中1≤j≤p：a、提取梯度特征, 即执行步骤 I - IV：I、根据灰度值计算子块j内各个像...
【技术保护点】
一种实时的视频跟踪方法，其特征在于，包括以下步骤：1）视频的第m帧，标出需要跟踪的目标区域ROI，其中1 ≤ m < M，M为视频的全部帧数；2）对目标区域ROI提取特征；3）将步骤2）提取的特征进行在线训练，得到训练特征；4）视频的第（m+1）帧，在目标区域ROI的附近，生成T个多尺度的候选区域，对每个候选区域ROIt提取特征RFt，其中1≤t≤T；5）将T个特征{RF1，RF2，…，RFt，…，RFT}分别与训练特征进行相关运算，得到T个相关系数{C1，C2，…，Ct，…，CT}以及T个偏移量{S1，S2，…，St，…，ST}；6）从T个相关系数{C1，C2，…，Ct，…，CT}中，选择最优的1个Ci；7）如果Ci大于一阈值T1，则用Ci对应的候选区域ROIi的大小以及偏移量Si更新ROI，并将更新后的ROI作为样本进行在线训练、更新训练特征，进入步骤12），否则进入步骤8）；8）如果步骤6）中的Ci小于一阈值T2，则生成ReT个二次候选区域，对每个二次候选区域ReROIt提取特征ReRFt，其中1≤t≤ReT，否则进入步骤12）；9）将ReT个特征{ReRF1，ReRF2，...
【技术特征摘要】
1.一种实时的视频跟踪方法，其特征在于，包括以下步骤：1）视频的第m帧，标出需要跟踪的目标区域ROI，其中1 ≤ m < M，M为视频的全部帧数；2）对目标区域ROI提取特征；3）将步骤2）提取的特征进...
【专利技术属性】
技术研发人员：翁肇杰，翟恺，
申请(专利权)人：上海宝宏软件有限公司，
类型：发明
国别省市：上海;31
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。