【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。