一种基于非参数在线聚类的目标跟踪方法技术

一种基于非参数在线聚类的目标跟踪方法，其解决的技术问题在于：给定一个视频，对某一指定感兴趣目标进行在线目标跟踪，从而预测出后续图像帧目标的具体位置以及外接矩形框，基于大深度网络学习到的小深度网络，对感兴趣目标提取蒸馏特征。该特征具有较强的外观表达能力、判别能力和鲁棒性。本发明专利技术进一步解决的问题在于：对感兴趣目标的历史外观进行非参数在线聚类，基于加权的聚类中心产生一个保留历史信息的目标外观模板，并用该目标外观模板产生目标空间分布，从而提高目标跟踪准确率，减少目标漂移的风险，进而降低错误率。

【技术实现步骤摘要】
一种基于非参数在线聚类的目标跟踪方法
本专利技术主要涉及到视频图像处理、智能视频监控、模式识别等领域，具体涉及的是一种基于非参数在线聚类的目标跟踪方法。
技术介绍
目标跟踪是智能视频监控领域一个最基础和最有挑战性的核心问题。其作为计算机视觉算法中比较底层的问题，具有广泛的应用前景。如智能视频监控领域中的运动分析、异常检测等高层次的智能分析应用均是以目标跟踪为基础进行。对场景中的运动目标进行提取轨迹，可以为监控场景中更高层次的智能分析提供有效的基础。传统的目标跟踪方法大多在给定视频第一帧初始化某一感兴趣目标，然后训练一个目标外观模型，在跟踪过程中通过外观模型进行判别式判断或产生式预测，从而推断出下一帧感兴趣目标的位置信息。这类方法在跟踪过程中采用在线学习的模式对外观模型进行不断更新，忽略了感兴趣目标容易受遮挡、消失-再现的影响，容易导致模型漂移问题。同时，由于模型的学习过程大量依赖外观模型，当目标漂移后，很难对目标模型重新初始化，从而导致跟踪完全失败，得到较差的跟踪结果。传统的融合Meanshift和卡尔曼滤波跟踪的方法，首先会对目标运动进行建模，利用卡尔曼滤波有效的预测功能，在每一帧本文档来自技高网...

【技术保护点】
一种基于非参数在线聚类的目标跟踪方法，包括以下步骤：步骤1，给定一个输入视频，并且在第一帧初始化一个感兴趣的目标框；对该目标框提取颜色直方图特征，并采用K均值的方法来初始化聚类中心；步骤2，对该目标框的上下文区域图像计算保持空间分布的图像蒸馏特征图，并假设该底层图像特征图存在一个相同尺度大小的先验标签分布；步骤3，基于图像蒸馏特征图和先验标签分布，采用岭回归的方式在频域空间而不是传统的时域空间学习一个滤波跟踪器；步骤4，对于下一帧图像，基于上一帧目标跟踪器预测到的目标中心位置，划分多个栅格，对每个栅格提取颜色直方图特征，将该颜色直方图特征与由聚类中心生成的模板计算相似度，得到大致的目标空间概率...

【技术特征摘要】
1.一种基于非参数在线聚类的目标跟踪方法，包括以下步骤：步骤1，给定一个输入视频，并且在第一帧初始化一个感兴趣的目标框；对该目标框提取颜色直方图特征，并采用K均值的方法来初始化聚类中心；步骤2，对该目标框的上下文区域图像计算保持空间分布的图像蒸馏特征图，并假设该底层图像特征图存在一个相同尺度大小的先验标签分布；步骤3，基于图像蒸馏特征图和先验标签分布，采用岭回归的方式在频域空间而不是传统的时域空间学习一个滤波跟踪器；步骤4，对于下一帧图像，基于上一帧目标跟踪器预测到的目标中心位置，划分多个栅格，对每个栅格提取颜色直方图特征，将该颜色直方图特征与由聚类中心生成的模板计算相似度，得到大致的目标空间概率分布，基于该粗略的目标空间概率分布，得到相似度最大的前k个栅格；步骤5，对这k个栅格中的每一个，提取一个与第一帧上下文区域相同大小图像的特征图，将滤波跟踪器与该图像特征图通过快速傅里叶变换卷积，从而得到每个空间位置的置信度。取置信度值最大的空间位置为目标中心位置，目标的状态也可以得到，基于该目标状态，提取新的颜色直方图特征；步骤6，将新的颜色直方图与以前学习到的聚类中心进行比较，若相似度大于一定值，则将该颜色直方图归入与它最相似的聚类中心，并更新该聚类中心；若相似度小于一定值，则新创建一个聚类中心。通过非参数在线增量式聚类得到聚类中心后，将这些聚类中心合并成一个目标模板。基于该中心位置提取上下文区域特征图，并学习一个新的跟踪滤波器，用该跟踪滤波器更新上一帧的跟踪滤波器；步骤7，环执行步骤4-6，进行在线目标跟踪。2.根据权利要求1所述的方法，其特征在于，步骤2提取蒸馏特征具体来说就是将其他通过数据库学习到的大...

【专利技术属性】
技术研发人员：姬晓晨，
申请(专利权)人：北京影谱科技股份有限公司，
类型：发明
国别省市：北京,11