【技术实现步骤摘要】
一种基于融合的目标跟踪方法
本专利技术涉及计算机图像处理的
，具体涉及一种基于融合的目标跟踪方法。
技术介绍
目标跟踪是计算机视觉领域中一个基础的研究问题，目标跟踪在机器人、视频监控、无人机等领域内广泛应用。目标跟踪主要是根据目标在视频中第一帧的位置，估计目标在后续视频序列帧中出现的轨迹。目前，目标跟踪的方法主要包括两大类：判别类与生成类。生成类的目标跟踪方法主要是运用生成模型描述目标的表观特征，在后序序列中找到与目标外观最相似的特征，从而完成目标跟踪。由于生成类的目标跟踪方法的性能较差，已经逐步被淘汰使用了。判别类的目标跟踪方法主要是运用机器学习在线训练一个二分类器，然后在后序序列视频帧中运用该分类器进行目标检测，从而完成目标跟踪。由于判别类的目标跟踪方法需要大量的训练样本以增强判别能力，因此，判别类的目标跟踪方法无法同时兼顾实时性和准确性。近年来，核相关滤波器的引入有效地解决判决类的目标跟踪方法的实时性问题。采用核相关滤波器的判别类目标跟踪方法使用大量循环样本训练分类器，并将数据的运算转换到频域内进...
【技术保护点】
1.一种基于融合的目标跟踪方法，其特征在于，所述方法包括步骤：/n步骤S1：根据初始图像帧，获取目标初始信息；/n步骤S2：在贝叶斯分类器区域提取颜色直方图，并且训练贝叶斯分类器；/n步骤S3：在核相关滤波区域提取前第一阈值维数的梯度直方图特征，第二阈值维数的颜色属性特征，并采用所述贝叶斯分类器计算所述核相关滤波区域中像素级的颜色概率图，再从所述像素级的颜色概率图中提取前第三阈值维数的梯度直方图特征；/n步骤S4：采用所述贝叶斯分类器检测目标，获得贝叶斯分类器的响应图；/n步骤S5：初始化尺度滤波器，提取梯度直方图特征并将所提取的梯度直方图特征作为目标特征，采用主成分分析法...
【技术特征摘要】
1.一种基于融合的目标跟踪方法，其特征在于，所述方法包括步骤：
步骤S1：根据初始图像帧，获取目标初始信息；
步骤S2：在贝叶斯分类器区域提取颜色直方图，并且训练贝叶斯分类器；
步骤S3：在核相关滤波区域提取前第一阈值维数的梯度直方图特征，第二阈值维数的颜色属性特征，并采用所述贝叶斯分类器计算所述核相关滤波区域中像素级的颜色概率图，再从所述像素级的颜色概率图中提取前第三阈值维数的梯度直方图特征；
步骤S4：采用所述贝叶斯分类器检测目标，获得贝叶斯分类器的响应图；
步骤S5：初始化尺度滤波器，提取梯度直方图特征并将所提取的梯度直方图特征作为目标特征，采用主成分分析法压缩所述目标特征的维数；
步骤S6：在核相关区域内检测目标，获得核相关滤波的响应图，并将所述核相关滤波的响应图的大小调整至与贝叶斯分类器的响应图的大小一致；
步骤S7：融合所述贝叶斯分类器的响应图和所述核相关滤波的响应图，获得最终响应图，在所述最终响应图中响应最大值处为所述目标的新位置；
步骤S8：在所述目标的新位置处，调用尺度滤波器，并选取响应最大的尺度作为新的尺度，更新目标尺寸、前景区域和背景区域；
步骤S9：采用Sigmoid函数作为更新模型，更新所述核相关滤波器、所述颜色直方图和所述尺度滤波器；
步骤S10：获得下一帧图像，重复步骤S4、S5、S6、S7、S8、S9，直至视频结束。
2.根据权利要求1所述的基于融合的目标跟踪方法，其特征在于，所述目标初始信息包括目标位置、目标长度和目标宽度。
3.根据权利要求1所述的融合的目标跟踪方法，其特征在于，所述第一阈值维数为28维，第二阈值维数为10维，第三阈值维数为28维。
4.根据权利要求1所述的基于融合的目标跟踪方法，其特征在于，在步骤S7中采用加权平均的方法融合所述贝叶斯分类器的响应图和所述核相关滤波的响应图，具体的表达式如下所示：
response＝(1-αmerge)response_cf+αmerge·response_pwp，
其中，response_cf为核相关滤波器的响应，response_pwp为贝叶斯分类器的响应，αme...
【专利技术属性】
技术研发人员：戴伟聪，金龙旭，李国宁，程博阳，
申请(专利权)人：中国科学院长春光学精密机械与物理研究所，
类型：发明
国别省市：吉林;22
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。