一种结合分类与域适应的视觉追踪方法技术

本发明专利技术公开了一种结合分类与域适应的视觉追踪方法，一方面结合了分类构图与迁移学习域适应两种方法的优势，寻求既能将前景和背景分离，又能为近期所获取的源域数据与当前待分类的目标域数据所共享的特征空间；另一方面，采纳了深度学习的思想，在目标域Xt的前景、背景判定和特征空间映射矩阵V的更新过程中，层层迭代，每一次迭代中根据上一次迭代的结果完成分类构图与域适应学习的结合，并将当前层次的输出结果V作为下一次迭代的输入，经过层层迭代学习，获得追踪结果，使得追踪结果的准确性更高。

【技术实现步骤摘要】
一种结合分类与域适应的视觉追踪方法
本专利技术属于计算机视觉
，更为具体地讲，涉及一种结合分类与域适应的视觉追踪方法。
技术介绍
随着人工智能和机器学习技术的发展，视觉追踪一直是计算机视觉
的研究热点。视觉追踪是对视频中的目标进行位置探测、特征提取和识别、并完成跟踪的过程，可以应用在视频监控、人机交互、增强现实、智能交通和视频压缩等诸多领域。由于追踪目标经常具有位移、变形、旋转等特性，同时周围环境的复杂性，如光线变化、障碍物遮挡、参照物变化等原因，使得视觉追踪一直是一个充满挑战的研究课题。分类方式是视觉追踪当中的一种常见方式，该方式将追踪目标从特征相似的其他候选样本分离出来，将成为目标可能性大的候选样本看作前景，而将周围环境看作背景，通过前景和背景的识别和分离，获取追踪目标。这种方法简单清晰，但是通常需要提前获知前景和背景的数据特征分布，所以往往采用的是有监督或半监督的学习方式，而真实环境中训练样本数据往往无法提前获知，使得有监督或半监督的学习方式开展受到阻碍。如果能利用历史追踪数据来对当前追踪目标作识别分析，可以解决训练样本不足的问题。迁移学习(transferring本文档来自技高网...

【技术保护点】
1.一种结合分类与域适应的视觉追踪方法，其特征在于，包括如下步骤：(1)、以上一帧图像中的目标窗口St‑1为参考窗口，在当前帧图像中，利用动态模型(dynamic model)获取若干候选窗口，将候选窗口对应的样本作为候选样本；(2)、将前一帧图像追踪得到的前景样本和背景样本构成源域Xs，利用分类器在上一次迭代所获得特征空间映射矩阵V所映射的特征空间中，将当前帧图像的候选样本分为两个类别：伪前景样本和伪背景样本，二者构成目标域Xt；(3)、令域X＝[Xs,Xt]，基于源域Xs中样本(前景样本和背景样本)的标签信息以及目标域Xt中样本(伪前景样本和伪背景样本)的伪标签信息，应用FDA(Fishe...

【技术特征摘要】
2018.09.07 CN 20181104276751.一种结合分类与域适应的视觉追踪方法，其特征在于，包括如下步骤：(1)、以上一帧图像中的目标窗口St-1为参考窗口，在当前帧图像中，利用动态模型(dynamicmodel)获取若干候选窗口，将候选窗口对应的样本作为候选样本；(2)、将前一帧图像追踪得到的前景样本和背景样本构成源域Xs，利用分类器在上一次迭代所获得特征空间映射矩阵V所映射的特征空间中，将当前帧图像的候选样本分为两个类别：伪前景样本和伪背景样本，二者构成目标域Xt；(3)、令域X＝[Xs,Xt]，基于源域Xs中样本(前景样本和背景样本)的标签信息以及目标域Xt中样本(伪前景样本和伪背景样本)的伪标签信息，应用FDA(FisherDiscriminantAnalysis)判别分类，对域X进行分类构图，以寻求一个映射矩阵V，使得在映射的特征空间中，前景节点紧凑分布，背景节点紧凑分布，而前景和背景很好的分离；为此：将域X中的样本作为图中的节点，构造类内图(Gw,Mw)以及类间图(Gb,Mb)，并进一步得到分类构图下求取特征空间映射矩阵V的目标函数：其中，tr为矩阵求迹运算符，Lw为图Gw...

【专利技术属性】
技术研发人员：刘杰彦，马奥，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51