【技术实现步骤摘要】
本专利技术涉及计算机视觉领域,尤其涉及一种基于稳定表观模型的实时跟踪方法。
技术介绍
目标跟踪是获取目标运动中的轨迹。具有广泛的应用,如视觉监控、行为分析、运动检测等。主要考虑两个方面:一是鲁棒性,即如何在背景和目标表观不断变化的动态环境下有效避免漂移;二是实时性,即如何快速跟踪。为使目标表观模型能适应无约束环境下目标表观变换,人们提出多种表观建模方法并尝试各种分类器以提高跟踪性能,但仍有一些问题需要解决。一是表观模型在更新过程中太依赖自身,当表观变化较大时,模型逐渐退化;二是计算性能不能满足实时性要求。基于随机投影的表观建模方法可以克服模型自适应问题,但由于投影的随机性,容易导致跟踪结果不稳定且不可预测的。
技术实现思路
本专利技术的目的是为了克服现有技术的缺陷,提出了一种基于稳定表观模型的实时跟踪方法。本专利技术提取目标的MSERs区域,并采用稀疏随机投影矩阵获取目标稳定表观特征,以减少随机投影导致的目标表观表达不稳定问题。与以往方法相比,其具有相对稳定的表观表达,且避免目标自学习导致的表观模型问题。为实现上述目的,本专利技术设计了一种稳定表观模型实时跟踪目标。具体包括三个部分:稳定区域提取、随机投影建模和表观模型在线更新,具体为:首先提取被跟踪目标区域的最稳定极值区域MSERs信息,以获取具有灰度仿射变化不变性及灰度变化稳定的特征;然后选择基于满足RIP性质的稀疏随机矩阵,将提取的大量特征基于该随机矩阵投影变换,从而从稳定极值区域选择相对稳定的投影,进而获得较稳定的自适应目标表观,最后构建在线贝叶斯分类器在线更新表观模型,实现跟踪实时鲁棒跟踪。本专利技 ...
【技术保护点】
一种基于稳定表观模型的实时跟踪方法,其特征在于,该方法包含三个步骤:特征提取、随机投影和在线更新,具体为:首先提取被跟踪目标区域的最稳定极值区域MSERs信息,以获取具有灰度仿射变化不变性及灰度变化稳定的特征;然后选择基于满足RIP性质的稀疏随机矩阵,将提取的大量特征基于该随机矩阵投影变换,从而从稳定极值区域选择相对稳定的投影,进而获得较稳定的自适应目标表观,最后构建在线贝叶斯分类器实时跟踪目标。
【技术特征摘要】
1.一种基于稳定表观模型的实时跟踪方法,其特征在于,该方法包含三个步骤:特征提取、随机投影和在线更新,具体为:首先提取被跟踪目标区域的最稳定极值区域MSERs信息,以获取具有灰度仿射变化不变性及灰度变化稳定的特征;然后选择基于满足RIP性质的稀疏随机矩阵,将提取的大量特征基于该随机矩阵投影变换,从而从稳定极值区域选择相对稳定的投影,进而获得较稳定的自适应目标表观,最后构建在线贝叶斯分类器实时跟踪目标。2.根据权利要求1所述的方法,其特征在于,在特征提取时,采用MSERs算法提取感兴趣目标区域的稳定特征,并对其随机投影,利用稀疏投影矩阵的重建特性,获取目标稳定表观特征;在此基础上,建立贝叶斯分类器,选择具备最大后验概率的目标作为最佳跟踪位置,同时使用其附近的正负样本进行分类器更新,进而实现目标在线跟踪。3.根据权利要求1或2所述的方法,其特征在于,首先采用MSERs算法计算第一帧中被跟踪目标区域...
【专利技术属性】
技术研发人员:高月芳,田绪红,单鑫,王栋,
申请(专利权)人:华南农业大学,
类型:发明
国别省市:广东;44
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。