一种基于多特征的实时目标视频跟踪方法及系统技术方案

本发明专利技术提供一种基于多特征的实时目标视频跟踪方法及系统，其中方法包括：根据预设规则将待跟踪视频按时序分为若干个子视频，其中，子视频的个数至少为一个；对于任意一个子视频，根据该子视频对应的预设分类器获取该子视频中第一帧图像中的目标子图像；对于该子视频中位于第一帧图像之后的任意一帧图像，从该图像中选取多个样本子图像，计算每个样本子图像与该图像前一帧图像中的目标子图像之间的距离，根据各距离确定每个样本子图像对应的后验概率，将最大后验概率对应的样本子图像确定为该图像中的目标子图像。该方法及系统能够适应目标跟踪过程中目标的外观变化，并能够有效解决遮挡问题，有利于提高目标跟踪结果的准确性。

A Real-time Target Video Tracking Method and System Based on Multi-feature

The present invention provides a real-time target video tracking method and system based on multi-features, which includes: dividing the video to be tracked into several sub-videos according to preset rules, in which the number of sub-videos is at least one; acquiring any sub-videos according to the preset classifier corresponding to the sub-videos The target sub-image in the first frame image in the sub-video; for any frame image after the first frame image in the sub-video, multiple sample sub-images are selected from the image, and the distance between each sample sub-image and the target sub-image in the previous frame image of the image is calculated, and each sample is determined according to the distance. The sample sub-image corresponding to the maximum posteriori probability is determined as the target sub-image in the image. This method and system can adapt to the appearance changes of the target in the process of target tracking, and can effectively solve the occlusion problem, which is conducive to improving the accuracy of target tracking results.

【技术实现步骤摘要】
一种基于多特征的实时目标视频跟踪方法及系统
本专利技术涉及目标跟踪
，更具体地，涉及一种基于多特征的实时目标视频跟踪方法及系统。
技术介绍
目标跟踪是计算机视觉领域的一个研究热点，随着视频摄像机的普及化，视频跟踪有着广泛的应用前景，在人机交互、智能监控、目标识别等领域都有重要的应用。虽然近年来有大量的跟踪算法涌现，但大部分的跟踪算法在进行目标表示时，仅考虑了目标的单独某种特征。由于目标的形变、目标被遮挡等问题的影响，对于目标跟踪算法的性能受到了很大的影响。因此，采取单独的一种特征信息不能够应对多种场景条件下的变化，没有任何一种单特征的算法能够处理所有场景下的跟踪问题。此外，现有的跟踪算法在整个跟踪过程中均采用单一的分类器将目标与背景进行分离，然而在跟踪过程中目标可能存在形变，单一的分类器很难准确地将目标与背景进行分离，导致跟踪的结果准确度不高。有鉴于此，亟待提供一种能够适应目标外观变化并能较好地解决遮挡问题的实时跟踪方法及系统。
技术实现思路
本专利技术为了克服现有技术中跟踪算法无法适应目标外观变化且无法解决遮挡问题，导致目标跟踪结果的准确度不高的问题，提供一种基于多特征的实时目标视频跟踪方法及系统。一方面，本专利技术提供一种基于多特征的实时目标视频跟踪方法，包括：根据预设规则将待跟踪视频按时序分为若干个子视频，其中，所述子视频的个数至少为一个；对于任意一个子视频，根据该子视频对应的预设分类器获取该子视频中第一帧图像中的目标子图像；对于该子视频中位于所述第一帧图像之后的任意一帧图像，从该图像中选取多个样本子图像，计算每个所述样本子图像与该图像前一帧图像中的目标子图像之间的距离，根据各所述距离确定每个所述样本子图像对应的后验概率，将最大后验概率对应的样本子图像确定为该图像中的目标子图像。优选地，所述从该图像中选取多个样本子图像，具体为：获取该图像的前一帧图像中各样本子图像的权重；根据该图像的前一帧图像中各样本子图像的权重，从该图像中选取多个样本子图像。优选地，所述根据该子视频对应的预设分类器获取该子视频中第一帧图像中的目标子图像，之前还包括：获取该子视频对应的带有标记的训练样本，利用所述训练样本对分类器进行训练，获得该子视频对应的预设分类器。优选地，所述利用所述训练样本对分类器进行训练，获得该子视频对应的预设分类器，具体为：对于任意一个训练样本，提取该训练样本对应的HOG特征、SILTP特征和Harr-like特征，将该训练样本对应的HOG特征、SILTP特征和Harr-like特征进行级联，获得该训练样本对应的特征向量；根据所有所述训练样本对应的特征向量对分类器进行训练，获得该子视频对应的预设分类器。优选地，所述获得该训练样本对应的特征向量，之后还包括：对该训练样本对应的特征向量进行降维，获得该训练样本对应的降维后的特征向量；对应地，所述根据所有所述训练样本对应的特征向量对分类器进行训练，具体为：根据所有所述训练样本对应的降维后的特征向量对分类器进行训练。优选地，所述对该训练样本对应的特征向量进行降维，具体为：获取该训练样本对应的特征向量中每两个特征之间的类内差值或类间差值，根据所有所述类内差值获得类内协方差矩阵，并根据所有所述类间差值获得类间协方差矩阵；根据所述类内协方差矩阵和所述类间协方差矩阵计算所述特征向量对应的映射矩阵，利用所述映射矩阵对所述特征向量进行降维。优选地，所述根据所有所述类内差值获得类内协方差矩阵，之后还包括：在所述类内协方差矩阵中添加正则化参数，获得更新后的类内协方差矩阵；相应地，所述根据所述类内协方差矩阵和所述类间协方差矩阵计算所述特征向量对应的映射矩阵，具体为：根据所述更新后的类内协方差矩阵和所述类间协方差矩阵计算所述特征向量对应的映射矩阵。一方面，本专利技术提供一种基于多特征的实时目标视频跟踪系统，包括：视频划分模块，用于根据预设规则将待跟踪视频按时序分为若干个子视频，其中，所述子视频的个数至少为一个；目标初始化模块，用于对于任意一个子视频，根据该子视频对应的预设分类器获取该子视频中第一帧图像中的目标子图像；目标跟踪模块，用于对于该子视频中位于所述第一帧图像之后的任意一帧图像，从该图像中选取多个样本子图像，计算每个所述样本子图像与该图像前一帧图像中的目标子图像之间的距离，根据各所述距离确定每个所述样本子图像对应的后验概率，将最大后验概率对应的样本子图像确定为该图像中的目标子图像。一方面，本专利技术提供一种基于多特征的实时目标视频跟踪方法的设备，包括：至少一个处理器；以及与所述处理器通信连接的至少一个存储器，其中：所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行上述任一所述的方法。一方面，本专利技术提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述任一所述的方法。本专利技术提供的一种基于多特征的实时目标视频跟踪方法及系统，将待跟踪视频划分为多个子视频，并针对每个子视频训练单独的分类器，然后利用各自对应的分类器初始化每个子视频的第一帧图像中的目标位置，最终利用目标跟踪算法对每个子视频的其他帧图像中的目标进行跟踪。该方法及系统在目标跟踪过程中针对不同的子视频设置不同的分类器，使得不同的分类器能够适应目标跟踪过程中目标的外观变化，并能够有效解决遮挡问题，有利于提高目标跟踪结果的准确性。附图说明图1为本专利技术实施例的一种基于多特征的实时目标视频跟踪方法的整体流程示意图；图2为本专利技术实施例的一种基于多特征的实时目标视频跟踪系统的整体结构示意图；图3为本专利技术实施例的一种基于多特征的实时目标视频跟踪方法的设备的结构框架示意图。具体实施方式下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述。以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。图1为本专利技术实施例的一种基于多特征的实时目标视频跟踪方法的整体流程示意图，如图1所示，本专利技术提供一种基于多特征的实时目标视频跟踪方法，包括：S1，根据预设规则将待跟踪视频按时序分为若干个子视频，其中，子视频的个数至少为一个；具体地，通过图像采集装置进行图像采集获得待跟踪视频，针对待跟踪视频，根据预设规则将待跟踪视频按照时序划分为若干个子视频，其中时序即为待跟踪视频中每帧图像采集的先后顺序。本实施例中，预设规则可以设置为间隔一定数量的图像帧进行一次划分，具体的间隔帧数可以根据实际需求进行设置，此处不做具体限定。由此，在一定预设规则的基础上，子视频的数量可以根据待跟踪视频中包含图像帧的数量进行确定，且子视频的数量至少为一个。S2，对于任意一个子视频，根据该子视频对应的预设分类器获取该子视频中第一帧图像中的目标子图像；具体地，在将待跟踪视频划分为若干个子视频的基础上，针对每个子视频可预先选取一定数量的目标图像和背景图像分别作为正样本和负样本，将正样本和负样本输入分类器进行训练，即可获得每个子视频对应的预设分类器。在此基础上，对于任意一个子视频，根据该子视频对应的预设分类器将该子视频中第一帧图像所包含的目标和背景进行分类，获取该子视频中第一帧图像中的目标子图像。由此，对于整个待跟踪视频而言，在间隔一定数量的图像帧之后，则可采用新的分类器将图像帧中的目标与背景进行分离，能够有本文档来自技高网...

【技术保护点】
1.一种基于多特征的实时目标视频跟踪方法，其特征在于，包括：根据预设规则将待跟踪视频按时序分为若干个子视频，其中，所述子视频的个数至少为一个；对于任意一个子视频，根据该子视频对应的预设分类器获取该子视频中第一帧图像中的目标子图像；对于该子视频中位于所述第一帧图像之后的任意一帧图像，从该图像中选取多个样本子图像，计算每个所述样本子图像与该图像前一帧图像中的目标子图像之间的距离，根据各所述距离确定每个所述样本子图像对应的后验概率，将最大后验概率对应的样本子图像确定为该图像中的目标子图像。

【技术特征摘要】
1.一种基于多特征的实时目标视频跟踪方法，其特征在于，包括：根据预设规则将待跟踪视频按时序分为若干个子视频，其中，所述子视频的个数至少为一个；对于任意一个子视频，根据该子视频对应的预设分类器获取该子视频中第一帧图像中的目标子图像；对于该子视频中位于所述第一帧图像之后的任意一帧图像，从该图像中选取多个样本子图像，计算每个所述样本子图像与该图像前一帧图像中的目标子图像之间的距离，根据各所述距离确定每个所述样本子图像对应的后验概率，将最大后验概率对应的样本子图像确定为该图像中的目标子图像。2.根据权利要求1所述的方法，其特征在于，所述从该图像中选取多个样本子图像，具体为：获取该图像的前一帧图像中各样本子图像的权重；根据该图像的前一帧图像中各样本子图像的权重，从该图像中选取多个样本子图像。3.根据权利要求1所述的方法，其特征在于，所述根据该子视频对应的预设分类器获取该子视频中第一帧图像中的目标子图像，之前还包括：获取该子视频对应的带有标记的训练样本，利用所述训练样本对分类器进行训练，获得该子视频对应的预设分类器。4.根据权利要求3所述的方法，其特征在于，所述利用所述训练样本对分类器进行训练，获得该子视频对应的预设分类器，具体为：对于任意一个训练样本，提取该训练样本对应的HOG特征、SILTP特征和Harr-like特征，将该训练样本对应的HOG特征、SILTP特征和Harr-like特征进行级联，获得该训练样本对应的特征向量；根据所有所述训练样本对应的特征向量对分类器进行训练，获得该子视频对应的预设分类器。5.根据权利要求4所述的方法，其特征在于，所述获得该训练样本对应的特征向量，之后还包括：对该训练样本对应的特征向量进行降维，获得该训练样本对应的降维后的特征向量；对应地，所述根据所有所述训练样本对应的特征向量对分类器进行训练，具体为：根据所有所述训练样本对应的降维后的特征向量对分类器进行训练。6.根据...

【专利技术属性】
技术研发人员：曲海平，刘显林，岳峻，寇光杰，贾世祥，张志旺，
申请(专利权)人：鲁东大学，
类型：发明
国别省市：山东,37