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 ...
【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
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。