利用两层级联的Boosting分类算法实现视频目标跟踪的方法技术

本发明专利技术公开了一种利用两层级联的Boosting分类算法实现视频目标跟踪的方法，该方法包括：图像的预处理，获取目标样本与目标区域中的图像块；通过滤波器提取特征，得到正负样本的特征值；包含在线特征选择和权重训练的两层Boosting级联算法；分类器检测的目标跟踪等步骤。本发明专利技术使用多个滤波器对图像块提取特征，更为精细地表达出图像块的特征，解决了使用类Haar特征构造模板单一，丢失图像色彩和纹理细节的问题；另外，使用两层级联的结构，对滤波器类型和图像块位置分别进行选择，使所选择的特征更加适用于跟踪任务。

Method for realizing video target tracking by using two layer Boosting classification algorithm

The invention discloses a method for realizing video target tracking using Boosting two layer cascade classification algorithm, the method includes: image preprocessing, image block and the target sample in the target region; through the filter feature extraction, feature value of positive and negative samples; contains two layers of Boosting cascade algorithm online feature selection and weighting training; target tracking step detection classifier. The present invention feature extraction for image block using multiple filters, more accurately express the features of image blocks, solved using the Haar feature template structure is single, the loss of image color and texture details; in addition, the use of two layer structure of the cascade, filter type and image block position were selected, the characteristics of the choice is more suitable for the tracking task.

【技术实现步骤摘要】

本专利技术属于图像处理
，涉及一种利用两层级联的Boosting分类算法实现视频目标跟踪的方法。
技术介绍
基于视频的目标跟踪技术是计算机视觉和图像处理领域众多学者关注的一个经典问题。随着计算机存储、网络通信以及图像处理等技术飞速发展，视频跟踪技术也有了长足的进步。设计稳定高效的目标跟踪算法是极具挑战性的，困难主要来源于应用中背景复杂、目标遮挡、以及目标变形与旋转等因素的影响。目前流行的算法主要分为生成和判别两大类方法。生成方法以跟踪目标作为特征来构造一个模板，不同算法的构造过程各有差异，在跟踪过程中匹配候选样本，匹配程度最高的区域即为目标区域。判别方法通过训练分类器来判别候选样本为正样本的概率，概率最高的区域即目标。1、Zhang,K.,L.Zhang,andM.-H.Yang,Real-timecompressivetracking,inComputerVision–ECCV2012.2012,Springer.p.864-877.CT(CompressiveTracker)跟踪算法，选用Haar特征(仅对矩形区域做灰度值积分)作为提取特征的方法。同时它使用正负样本来训练贝叶斯分类器并用该分类器判别候选样本。2、Grabner,H.andH.Bischof.On-lineboostingandvision.inComputerVisionandPatternRecognition,2006IEEEComputerSocietyConferenceon.2006.IEEE.OAB(OnlineAdaptiveBoosting)跟踪算法，同样选用了Haar特征作为提取特征的方法。同时它使用正负样本训练多个弱分类器，以弱分类器的分类效果为参考选择合适的若干个图像块所对应的弱分类器，线性组合成一个强分类器，并用该强分类器来判别候选样本。但是该算法只是在图像块的维度上作了Boosting。3、KrizhevskyA,SutskeverI,HintonGE.ImageNetClassificationwithDeepConvolutionalNeuralNetworks[J].AdvancesinNeuralInformationProcessingSystems,2012,25:2012.基于深度卷积神经网络的图像分类算法，通过构造多层级联的神经网络，实现对图像内容的1000分类。深度卷积神经网络的第一层卷积核大小为11x11,通过大量标注图片训练得到，反应了图像中的基本结构。
技术实现思路
本专利技术的目的是提供一种利用两层级联的Boosting分类算法实现视频目标跟踪的方法，该方法用当前帧目标区域内不同位置的图像块在不同类型滤波器(f)作用下的特征值作为分类特征；利用两层级联的Boosting算法分别对图像块位置和它的描述滤波器进行选择；最后在搜索区域内，对每个候选位置进行检测，从而得到目标的位置，用矩形框表示。每个特征都可以单独地构造弱分类器来对候选位置进行判断；采用两级特征选择的结构，使得两层中被选到的很多弱分类器加权组合构造出一个强分类器，该强分类器再对候选位置进行判断。与传统方法相比，本专利技术使用多个滤波器对图像块提取特征，更为精细地表达出图像块的特征，解决了使用类Haar特征构造模板单一，丢失图像色彩和纹理细节的问题；另外，所提出的跟踪方法使用两层级联的结构，对滤波器类型和图像块位置分别进行选择，尽可能使所选择的特征适用于跟踪任务。实现本专利技术目的的具体技术方案是：一种利用两层级联的Boosting分类算法实现视频目标跟踪的方法，该方法包括以下具体步骤：S1、预处理在图像序列的第一帧中，首先标出跟踪的目标区域并在目标区域中随机产生出若干大小和相对位置的图像块；使用AlexNet深度神经网络中第一层中卷积层的卷积核组作为基滤波器库FB，并对FB做归一化处理；缩放FB，使得FB中的每个滤波器与目标区域中的图像块宽高大小一致，缩放结果作为滤波器库F＝{f1,f2,…,fN本文档来自技高网...

【技术保护点】
利用两层级联的Boosting分类算法实现视频目标跟踪的方法，其特征在于该方法包括以下具体步骤：S1、预处理在图像序列的第一帧中，首先标出跟踪的目标区域并在目标区域中随机产生出若干大小和相对位置的图像块；使用AlexNet深度神经网络中第一层中卷积层的卷积核组作为基滤波器库FB，并对FB做归一化处理；缩放FB，使得FB中的每个滤波器与目标区域中的图像块宽高大小一致，缩放结果作为滤波器库F＝{f1,f2,…,fN},N＝96；S2、正负样本的特征提取以目标区域作为正样本，目标区域周边四个同样大小区域作为负样本，在正负样本中同样的相对位置取出图像块与对应F中的fj分别逐元素即像素相乘并求和得到特征值hs；S3、特征选择和权重训练的两层Boosting级联算法第一级Boosting算法是对滤波器作选择，使用步骤S2求得的特征值hs训练第一级Boosting的弱分类器并获得第一级参数pa1={pfmean,nfmean,thrf,parf,nfc,nfr,ef,α},]]>其中α为第一级弱分类器的置信值，pfmean为第一级正样本均值，nfmean为负样本均值，thrf为分类阈值，parf为弱分类器符号，为弱分类器分类正确数，为弱分类器分类错误数，ef为弱分类器错误率；第二级Boosting算法是对图像块作选择，使用第一级弱分类器的置信值α与正负样本特征值hs的加权结果W作为特征值输入第二级，并获得第二级Boosting弱分类器参数pa2={ppmean,npmean,thrp,parp,npc,npr,ep,β},]]>其中β为第二级弱分类器的置信值，ppmean为第二级正样本均值，npmean为负样本均值，thrp为分类阈值，parp为弱分类器符号，为弱分类器分类正确数，为弱分类器分类错误数，ep为弱分类器错误率；S4、分类器检测的目标跟踪在下一帧图像中的设定范围内设置候选样本，在候选样本中取出图像块大小和相对位置与正样本保持一致，与F中对应的fj求得第一级特征值hd；将hd与第一级弱分类器的置信值α加权组合得到第二级特征值Wd，Wd再与第二级弱分类器的置信值β加权组合，得到强分类器分类结果gstrong；最大gstrong值的候选样本作为下一帧的目标区域；重复步骤S2‑S4，实现持续目标跟踪。...

【技术特征摘要】
1.利用两层级联的Boosting分类算法实现视频目标跟踪的方法，其特征在于该方法包
括以下具体步骤：
S1、预处理
在图像序列的第一帧中，首先标出跟踪的目标区域并在目标区域中随机产生出若干大
小和相对位置的...

【专利技术属性】
技术研发人员：瞿恺，孙力，徐姗姗，
申请(专利权)人：华东师范大学，
类型：发明
国别省市：上海;31