【技术实现步骤摘要】
本公开涉及机器学习和目标跟踪领域,更具体地,涉及一种基于多分类器融合的目标跟踪方法和系统。
技术介绍
长期的目标跟踪是一个很有挑战的工作,其应用范围很广,包括视频监控、机器人、增强现实以及人机交互等等。构造能自适应地处理由不同光照、姿态变换、遮挡等原因造成的目标外观变化的一个目标跟踪模型是比较困难的。所以需要一种能实时适应跟踪过程中的目标外观的变化的在线学习跟踪的技术。Han的2005年11月29日公告的题为“Fast Fourier Transform Correlation Tracking Algorithm with Background Correction”的专利文件号US 6970577 B2中公开了一种基于快速傅里叶变换的目标跟踪方法,包括:为快速傅里叶变换相关性跟踪器识别出一个背景修正项;以及基于背景修正项的模型更正目标。该方案首先对模板图像进行快速傅里叶变换,然后做一个共轭转置,然后再计算测试样本的快速傅里叶变换,相乘得出响应图。具体地,该方案首先求解图像的像素值的平方图,然后计算快速傅里叶变换。Avidan的2009年4月28日公告的题为“Tracking objects in videos with adaptive classifiers”的美国专利号US 7526101 B2中公开了一种跟踪目标的方法包括:用一个强分类器生成一幅像素投票后的响应图;利用mean-shift作用于响应图求出最大响应,最大响应位置对应目标的位置;利用多分辨率下的目标更新强分类器。该方案使用一系列的弱分类器并逐帧更新,这些弱分类器最后构成一个强分类器 ...
【技术保护点】
一种基于多分类器融合的目标跟踪方法,包括:跟踪步骤,对于当前帧,利用已有的融合分类器来决定在所述当前帧中的要跟踪目标的位置,所述已有的融合分类器是通过利用一个或多个系数来融合基于先前的一个或多个帧训练的一个或多个单独分类器而得到的;样本获得步骤,基于所述要跟踪目标的位置,找到要跟踪的目标,并获得包括要跟踪目标的多个图像块的训练样本;训练步骤,基于在所述当前帧中包括要跟踪目标的多个图像块的训练样本,训练当前单独分类器;融合步骤,融合所述已有的融合分类器和所述当前单独分类器,以得到最终的融合分类器,其中,所述已有的融合分类器中的各个单独分类器分别具有各自的系数,且所述当前单独分类器具有一个初始系数;优化步骤,至少基于所述最终的融合分类器针对所融合的所有单独分类器的所有选择分数,选择要改变系数的单独分类器以得到改变系数之后的优化的融合分类器,用于下一帧的跟踪、样本获得、训练、融合和优化步骤,其中,所述选择分数至少与所述最终的融合分类器分别针对先前的一个或多个帧以及当前帧中的包括要跟踪目标的训练样本所测试得到的各个分类结果与预定分类结果的比较结果相关。
【技术特征摘要】
1.一种基于多分类器融合的目标跟踪方法,包括:跟踪步骤,对于当前帧,利用已有的融合分类器来决定在所述当前帧中的要跟踪目标的位置,所述已有的融合分类器是通过利用一个或多个系数来融合基于先前的一个或多个帧训练的一个或多个单独分类器而得到的;样本获得步骤,基于所述要跟踪目标的位置,找到要跟踪的目标,并获得包括要跟踪目标的多个图像块的训练样本;训练步骤,基于在所述当前帧中包括要跟踪目标的多个图像块的训练样本,训练当前单独分类器;融合步骤,融合所述已有的融合分类器和所述当前单独分类器,以得到最终的融合分类器,其中,所述已有的融合分类器中的各个单独分类器分别具有各自的系数,且所述当前单独分类器具有一个初始系数;优化步骤,至少基于所述最终的融合分类器针对所融合的所有单独分类器的所有选择分数,选择要改变系数的单独分类器以得到改变系数之后的优化的融合分类器,用于下一帧的跟踪、样本获得、训练、融合和优化步骤,其中,所述选择分数至少与所述最终的融合分类器分别针对先前的一个或多个帧以及当前帧中的包括要跟踪目标的训练样本所测试得到的各个分类结果与预定分类结果的比较结果相关。2.根据权利要求1所述的方法,其中,所述选择分数与所述最终的融合分类器分别针对先前的一个或多个帧以及当前帧中的包括要跟踪目标的训练样本所计算的各个分类结果与预定分类结果的比较结果、以及当前帧的帧号与先前的一个或多个帧的帧号的差值的函数相关。3.根据权利要求2所述的方法,其中,所述选择分数Si用以下公式来表示:Si=E(wfinal,zi)*L(Δti),其中,E(wfinal,zi)=∑(f(zi)-Rreg),L(Δti)=G(Δti)~N(0,σ2)其中,wfinal表示最终的融合分类器,E(wfinal,zi)表示最终的融合分类器分别针对先前的一个或多个帧以及当前帧中的包括要跟踪目标的训练样本zi所计算的各个分类结果f(zi)与预定分类结果Rreg的比较结果,Δti表示当前帧的帧
\t号与先前的一个或多个帧的帧号的差值,L(Δti)表示当前帧的帧号与先前的一个或多个帧的帧号的差值的函数,G(Δti)是一个高斯分布函数,其中,最大的预定数量个选择分数Si所针对的帧所对应的预定数量个单独分类器被选择为要增加系数,而最小的预定数量个选择分数Si所针对的帧所对应的预定数量个单独分类器被选择为要减小系数。4.根据权利要求1所述的方法,还包括:删除步骤,当所述最终的融合分类器所融合的单独分类器的个数超过预定个数时,基于删除机制来删除单独分类器,其中,所述删除机制包括:如果删除该单独分类器、则最终的融合分类器的变化最小。5.根据权利要求4所述的方法,其中,所述最终的融合分类器的变化Δw用以下公式表示:Δw=-βrwr+βrwmax r = arg min r | ...
【专利技术属性】
技术研发人员:杨田雨,师忠超,鲁耀杰,
申请(专利权)人:株式会社理光,
类型:发明
国别省市:日本;JP
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。