【技术实现步骤摘要】
本专利技术属于计算机视觉和神经生物学领域,具体涉及一种模拟视觉皮质机制的视频目标跟踪方法。
技术介绍
生物激励模型(Biologicallyinspiredmodel,BIM)是由Serre等人依据神经生理学家Hubel和Wiesel对视觉皮质研究成果的基础上建立。BIM的特征提取是一个4分层结构模型,4层结构分别命名为S1、C1、S2和C2。S1和C1层对应视觉皮质的V1层,提取能容忍平移变换的目标纹理特征;S2和C2层对应视觉皮质的MST区,提取能够区分目标的类特征。由于BIM以神经生理学研究成果作为基础,相比其他人工提取的特征具有不可比拟的优越性,此模型被广泛应用于计算机视觉任务,例如行为识别、年龄识别、场景识别等。随着高性能GPU和分布式系统的开发,将BIM用于视频目标跟踪任务成为可能。视频目标跟踪的研究主要步骤为:目标检测,目标外观模型的建立以及对目标的快速搜索。第一步需要从背景图像中对目标进行准确定位,这一环节现在已作为一个独立的研究方向;第二步是提取能够自适应目标外观变化的特征来建立目标的外观模型,所选特征可以包含目标的颜色、形状、纹理等信息;第三步设计高效的搜索策略,快速的定位目标。目前主要有以下搜索算法:粒子滤波、光流法、均值平移算法等。近年来视频目标跟踪算法研究取得了很大的进展,获得不错的跟踪效果。但模拟视觉皮质机制的目标跟踪算法却少有研究,将BIM引入目标跟踪算法能够使计算机实现更加符合人类视觉皮质的工作机制,达到精确度高、鲁棒性好的跟踪效果。
技术实现思路
针对现有技术存在的问题和迫切需求,本专利技术提供了一种视频目标跟踪方法及系统, ...
【技术保护点】
一种模拟视觉皮质机制的视频目标跟踪方法,其特征在于,包括离线训练和在线跟踪两个阶段;所述离线训练阶段包括以下步骤:(11)构建跟踪目标图像的正负样本集;(12)对正负样本建立图像金字塔,提取图像金字塔的BIM特征,依据BIM特征进行第一轮的分类器训练,按照分类器训练得到的权重大小筛选特征以降低特征维数;(13)利用降低特征维数后的BIM特征进行第二轮的分类器训练;所述在线跟踪阶段包括以下步骤:(21)对待检测图像初始化检测区域,建立检测区域的图像金字塔;(22)对检测区域的图像金字塔提取BIM特征,将其送入步骤(13)训练好的分类器,分类器输出检测区域的判定结果;在提取BIM特征的过程中得到多个匹配子块,利用匹配子块预测目标候选区域;(23)依据分类器判定结果从候选区域中迭代选出潜在目标区域;(24)从潜在目标区域中选取目标区域概率最大者即为最终的目标区域。
【技术特征摘要】
1.一种模拟视觉皮质机制的视频目标跟踪方法,其特征在于,包括离线训练和在线跟踪两个阶段;所述离线训练阶段包括以下步骤:(11)构建跟踪目标图像的正负样本集;(12)对正负样本建立图像金字塔,提取图像金字塔的BIM特征,依据BIM特征进行第一轮的分类器训练,按照分类器训练得到的权重大小筛选特征以降低特征维数;(13)利用降低特征维数后的BIM特征进行第二轮的分类器训练;所述在线跟踪阶段包括以下步骤:(21)对待检测图像初始化检测区域,建立检测区域的图像金字塔;(22)对检测区域的图像金字塔提取BIM特征,将其送入步骤(13)训练好的分类器,分类器输出检测区域的判定结果;在提取BIM特征的过程中得到多个匹配子块,利用匹配子块预测目标候选区域;(23)依据分类器判定结果从候选区域中迭代选出潜在目标区域;(24)从潜在目标区域中选取目标区域概率最大者即为最终的目标区域。2.根据权利要求1所述的模拟视觉皮质机制的视频目标跟踪方法,其特征在于,所述步骤(12)的具体实现方式为:(121)对每一个样本建立图像金字塔并提取BIM特征,包括S1层特征、S2层特征、S3层特征和S4层特征;所述S1层特征的计算方式为:将图像金字塔通过S1层计算单元计算的结果定义为S1层特征;S1层计算单元是4个Gabor滤波器构成的滤波器组,表示为:F(x,y,θ)=exp(-x02+γ2y022σ2)sin(2πλx0);x0=xcosθ+ysinθ,]]>y0=-xsinθ+ycosθ式中,F(x,y,θ)表示滤波器在坐标(x,y)处所对应的响应值,θ控制滤波器的方向,取值分别为4个方向对应4个Gabor滤波器;γ表示滤波器的长宽比,σ表示滤波器的带宽,λ表示滤波器的波长;所述C1层特征的计算方式为:将S1层特征通过C1计算单元的计算结果定义为C1层特征;C1层计算单元对输入的S1层特征对应的局部邻域内提取最大值,计算单元设定的局部邻域为从S1层特征对应的图像金字塔中提取的一个局部金字塔;所述S2层特征的计算方式为:将C1层特征通过S2层计算单元的计算结果定义为S2层特征,S2层计算单元计算C1层金字塔中的特征子块X与每个子块模板之间的相似性度,所述是从多个样本的C1层特征上随机抽取的子块,d为抽取子块的数量;所述相似度函数定义为:式中,所述C2层特征的计算方式为:将S2层特征通过C2层计算单元的计...
【专利技术属性】
技术研发人员:陈靓影,徐如意,张坤,刘乐元,
申请(专利权)人:华中师范大学,
类型:发明
国别省市:湖北;42
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。