The invention discloses a particle filter joint tracking method based on support vector machines. The discriminant model of support vector machine based on global gray feature, the target candidate particle sampling by classification, the reliability of the output by the candidate particle before, as the block sparse model generate input; build the model block based on sparse representation of the input, the candidate target occlusion handling, and similarity measurement and reference information; training samples and block sparse model and support vector machine by updating the reference information to keep view change update on the target table, to achieve stable tracking.
【技术实现步骤摘要】
一种基于支持向量机的粒子滤波联合跟踪方法
本专利技术属于计算机视觉领域,具体涉及视频目标的跟踪方法,可用于实现不同干扰因素下目标的精确跟踪。
技术介绍
基于图像视频序列的目标自动跟踪是机器视觉、模式识别领域的重要内容,在智能监控、视觉导航、视频检索等领域有着广泛的应用,目前国内外对目标的鲁棒跟踪进行了大量的研究,但在实际的应用中,由于目标的表观变化、姿态变化、成像环境变化、背景干扰以及遮挡等因素,设计准确、稳定、实时的视频跟踪算法仍然是一项十分有挑战的任务。目标跟踪算法主要分为两大类:判别式与生成式。基于判别式模型的跟踪算法估计观测数据的条件概率分布,寻找能把目标和背景分离开的最优分类面。由于分类边界比较灵活,所以这种跟踪方法区分性较好,缺点是不能描述目标的外观,即不能充分反映训练数据本身的特性。基于生成式模型的跟踪算法估计观测数据的联合概率分布,生成目标的外观模型,根据最大似然概率获得最匹配的目标。优点是能充分利用目标的外观信息,对光照与颜色变化不敏感;缺点是没有考虑背景信息,区分性较差,且在复杂背景下易受到干扰。文献“RobustObjectTrackingviaSparseCollaborativeAppearanceModel,(IEEEComputerVisionandPatternRecognition(CVPR),2012,1838-1845)”提出了一种结合判别式模型与生成式模型的联合跟踪算法。该方法基于粒子滤波框架,先利用基于全局灰度特征的稀疏判别分类器分离背景与前景目标,计算每个候选的置信度;同时提出一种基于直方图的稀疏生成模型,考虑每 ...
【技术保护点】
一种基于支持向量机的粒子滤波联合跟踪方法,其特征在于,包括下列步骤:步骤1:确定首帧的目标位置;步骤2:基于首帧的目标位置训练得到线性SVM分类器,并定义为第一分类器,同时设置第二分类器,初始值为第一分类器;将目标位置进行重叠分块处理,得到M个图像块,记为
【技术特征摘要】
2016.08.31 CN 20161078996331.一种基于支持向量机的粒子滤波联合跟踪方法,其特征在于,包括下列步骤:步骤1:确定首帧的目标位置;步骤2:基于首帧的目标位置训练得到线性SVM分类器,并定义为第一分类器,同时设置第二分类器,初始值为第一分类器;将目标位置进行重叠分块处理,得到M个图像块,记为基于k均值方法对M个向量进行聚类,构建块稀疏模型的k维超完备字典D;根据公式且β0≥0,求解参考稀疏系数β0,其中λ表示预设权重;在目标位置建立初始化粒子集合其中N为粒子数;步骤3:读取下一帧,记为第t帧,若t为第二帧,则基于初始化粒子集合,使用目标的运动模型预测粒子的状态,得到第t帧的粒子集合即候选粒子集合;若t为非第二帧,则基于第t-1帧的跟踪结果,使用目标的运动模型预测粒子的状态,得到第t帧的粒子集合即候选粒子集合;步骤4:将候选粒子集合分别输入第一、二分类器,输出各候选粒子与第一、二分类器所表示的最优分类面之间的欧式距离步骤5:将作为各候选粒子的置信度,取前n个最大置信度的候选粒子执行步骤6;步骤6:采用滑动窗口对每个候选粒子进行重叠分块,得到M个图像块,记为其中i=1,2,...,n;步骤7:根据公式且βi≥0,求解第t帧的每个候选粒子的稀疏系数βi,其中i=1,2,...,n;步骤8:基于候选粒子的稀疏系数βi根据公式计算每个候选粒...
【专利技术属性】
技术研发人员:孙彬,胡琼,邓桥,吴于忠,
申请(专利权)人:电子科技大学,
类型:发明
国别省市:四川,51
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。