低帧率视频目标检测和跟踪方法及其在无人机中的应用技术

一种基于局部图像数据学习的目标跟踪方法，包括对目标建立模型，然后在判别式跟踪的框架下，结合检测方，对视频目标跟踪。本发明专利技术提供的方法，具有良好的描述目标边缘信息能力和对噪声和几何形变具有一定程度的鲁棒性的局部特征，通过边缘方框算法来得到潜在目标，结合支持向量机设计了判别式跟踪方法。本发明专利技术提出的跟踪方法，对各种场景下(比如遮挡，光线变化，尺度变化等)，能够取得较好的跟踪结果。本发明专利技术可应用于人脸跟踪、无人机跟踪、其它移动目标跟踪系统等各类系统中。

【技术实现步骤摘要】
低帧率视频目标检测和跟踪方法及其在无人机中的应用
本专利技术涉及的是一种计算机视觉和图像处理
的跟踪方法，具体地说，涉及的是一种基于检测目标同时对数据学习的无人机视频目标跟踪方法。
技术介绍
视频目标跟踪中，可以根据对目标的建模来将目标跟踪分成两类，生成式跟踪方法和判别式跟踪方法。生成式的跟踪方法，对目标建立模型，然后在周围寻找潜在的目标，通过某种度量将潜在的目标和建立的模型进行比较，误差最小的就认为是目标。常见的方法有粒子滤波方法，稀疏表示方法(sparserepresentation)，子空间方法(subspacelearning)，多任务学习方法(multi-tasklearning)等。而对目标进行建模，则可以采用各种特征，颜色直方图，子空间，超像素，图像灰度等。比如用目标的颜色直方图作为特征，通过巴氏系数来对周围的采样候选目标建立模型，然后和目标模板进行比较(IJCV,29(1):5～28,1998)。子空间的方法对目标首先进行SVD分解，将目标的主成分作为特征来跟踪(IJCV,vol.77,125～141,2008)。超像素特征也作为目标特征用到视频目标跟踪里面(I本文档来自技高网...

【技术保护点】
1.一种低帧率视频目标检测和跟踪方法，其特征是包括对目标建立模型，然后在判别式跟踪的框架下，结合检测方，对视频目标实施跟踪。

【技术特征摘要】
1.一种低帧率视频目标检测和跟踪方法，其特征是包括对目标建立模型，然后在判别式跟踪的框架下，结合检测方，对视频目标实施跟踪。2.根据权利要求1所述的低帧率视频目标检测和跟踪方法，其特征是具体步骤如下：(1)对目标周围进行边缘方框算法采样，采样得到的即为潜在目标，超出采样框的将舍弃；(2)然后基于局部数据，提取图像的局部特征，同时对局部数据进行学习，改善对目标变化的稳定性，以及改善对图像噪声和几何形变具鲁棒性；(3)用支持向量机作为分类器，采取判别式跟踪的方法，使目标特征具有良好的分类能力，同时克服了以往基于判别式方法里面特征选用不好带来的跟踪丢失的问题；(4)对支持向量机输出的分数值判断，若支持向量机输出的分数值较高，则认为是目标位置，直接执行第(6)步；若支持向量机输出的分数值较低，则(5)用边缘方框算法对全图的潜在目标，用支持向量机模型进行分类，确定最终目标位置；(6)根据预测，更新支持向量机模型。3.根据权利要求2所述的低帧率视频目标检测和跟踪方法，其特征是所述的局部特征表示为：K(C，Δx)＝exp(-ds2)＝exp{-ΔxTCΔx}，其中，C的计算如下：C＝J*JT,其中，zGC是图像的高斯曲率。则C的计算又可表示如下：式中，v1和v2是矩阵C的特征向量，s1和s2是矩阵C的特征值，特征值s3相对很小，故设定为0.0001，α＝0.1。4.根据权利要求1～3之一所述的低帧率视频目标...

【专利技术属性】
技术研发人员：施维，王勇，
申请(专利权)人：上海狮尾智能化科技有限公司，
类型：发明
国别省市：上海,31