目标跟踪中基于多示例学习思想的训练样本选择方法技术

目标跟踪中基于多示例学习思想的训练样本选择方法，涉及计算机视觉领域的目标跟踪技术。本发明专利技术是为了解决目标跟踪中传统监督学习算法面临的“弱标记”样本的缺陷，导致无法保证准确对样本进行标记的问题。本方法：将所有正样本放入一个正样本包中，将对关于包的对数似然函数贡献较小的样本视为较差的样本。采用迭代的方式，每次迭代从正样本包中移除最差的样本，直到正样本包中剩余足够数量的样本。本发明专利技术在跟踪准确性方面优于其他评估算法，同时具有较高的帧率，满足实时性要求。

A training sample selection method based on multiple sample learning in object tracking

A training sample selection method based on multiple sample learning idea in target tracking relates to the target tracking technique in computer vision field. The present invention aims at solving the problem of \weak mark\ sample of traditional supervised learning algorithm in target tracking, which leads to the problem that the sample mark can not be guaranteed accurately. In this method, all the positive samples are put into a positive sample package, and the samples with smaller contribution to the log likelihood function of the packet are considered as poor samples. Iteratively, the worst samples are removed from the positive sample packet at each iteration until a sufficient number of samples are left in the positive sample package. The invention is superior to other evaluation algorithms in tracking accuracy, and has high frame rate and meets the real-time requirement.

【技术实现步骤摘要】
目标跟踪中基于多示例学习思想的训练样本选择方法
本专利技术涉及计算机视觉领域的目标跟踪技术。
技术介绍
虽然针对人脸、行人等特定物体的跟踪算法已经取得了一系列成功，但是由于对于一个任意物体缺乏足够的先验信息，同时物体的外观在跟踪过程中会因为形变、旋转或者光照变化而发生剧烈改变等原因，对一般性物体的目标跟踪算法仍然面临着诸多挑战。因为对一般性目标的跟踪算法还不够可靠，许多基于一般性跟踪的应用场景的发展受到限制。例如，智能手机的相机模块中的目标跟踪功能，往往需要目标具有较明显的特征，或者只能实现对目标的短时间跟踪。虽然越来越多的研究者认为，采用在线更新的分类器对于提升整个跟踪算法的准确性有重要意义。但是，却很少有人关注如何选择训练样本的问题。如果采用传统的监督学习方法，需要每个样本都有明确的类别。有时候断定一个样本属于正样本还是负样本是比较困难的，即有的样本并不是非正即负的，比如有的样本是一种“弱标记”样本，同时包含目标和背景的信息，其类别介于正样本和负样本之间。无论是认为这些样本是正的还是负的，都是不合适的。在目标检测领域，如果采用传统的监督学习算法，同样需要解决弱标记样本问题。已经有本文档来自技高网...

【技术保护点】
目标跟踪中基于多示例学习思想的训练样本选择方法，其特征是：它包括以下步骤：步骤一、在目标跟踪过程中，在当前帧的跟踪目标的周围设定区域内采集图像块，并提取每个图像块的Haar‑like特征，作为正负样本；并将所有的正样本放入到一个正样本集合中，将每个负样本分别放入一个负样本集合中，最终得到样本集合X，X＝{X1，...，Xn}；其中，X1＝{x11，...，x1M}是一个正样本包，{X2，...，Xn}是负样本包；步骤二、将X＝{X1，...，Xn}＝{x1，...，xm}作为训练集，对训练集中的每个样本进行检测，得到特征向量集合{v1，...，vm}，其中m表示正负样本的总个数；在传统监督学习...

【技术特征摘要】
1.目标跟踪中基于多示例学习思想的训练样本选择方法，其特征是：它包括以下步骤：步骤一、在目标跟踪过程中，在当前帧的跟踪目标的周围设定区域内采集图像块，并提取每个图像块的Haar-like特征，作为正负样本；并将所有的正样本放入到一个正样本集合中，将每个负样本分别放入一个负样本集合中，最终得到样本集合X，X＝{X1，...，Xn}；其中，X1＝{x11，...，x1M}是一个正样本包，{X2，...，Xn}是负样本包；步骤二、将X＝{X1，...，Xn}＝{x1，...，xm}作为训练集，对训练集中的每个样本进行检测，得到特征向量集合{v1，...，vm}，其中m表示正负样本的总个数；在传统监督学习中，给每个样本xi分配一个类别标签yi，yi的取值集合为{0，1}，yi＝0表示样本xi为负样本，即：背景；yi＝1表示样本xi为正样本，即：目标；在多示例学习中，类别标签yi表示的是一个包的类别；则整个训练集表示为：{(X1，y1)，...，(Xn，yn)}，此时n表示包的个数；步骤三、采用负样本包{(X2，y2)，...，(Xn，yn)}训练朴素贝叶斯分类器，更新y＝0时的特征的均值和方差步骤四、迭代步骤，每次迭代从正样本包中移除最差的样本，直到正样本包中剩余K个样本，K＜M；完成标跟踪中基于多示例学习思想的训练样本选择。2.根据权利要求1所述的目标跟踪中基于多示例学习思想的训练样本选择方法，其特征在于步骤一中，正负样本集合的形成过程具体为：按照训练样本距离跟踪目标中心的距离的远近将样本分类，假设x表示一个图像块，l(x)表示图像块x所处的位置，表示第t帧图像中跟踪目标的位置；则在每一帧图像t中，以当前目标所在的位置为中心，以p个像素点为搜索半径，在形成的圆形的区域内采集一组样本组成正样本集合即：以当前目标所在的位置为中心，在内径为r、外径为s的圆环形区域内采集一组样本组成负样本集合即：3.根据权利要求1所述的目标跟踪中...

【专利技术属性】
技术研发人员：贾敏，高政，王雪，高天娇，尹志胜，郭庆，顾学迈，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江,23