一种基于稳定表观模型的实时跟踪方法技术
【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。