一种基于在线学习的抗遮挡目标跟踪算法制造技术

本发明专利技术公开了一种基于在线学习的抗遮挡目标跟踪算法，包括以下步骤：步骤一：获取实时跟踪人员的人体影像信息，人体影像信息为跟踪人员的人体影像照片；步骤二：对获取到的人体影像照片进行分割处理，将人体影像照片进行区块化处理，将其等分为九块；步骤三：将区块化处理后的照片分别提取出，并将各个区块进行轮廓化处理；步骤四：各个区域的轮廓线即为预设轮廓线，将各个区域的轮廓线提取出，上传到储存库；步骤五：当跟踪目标被遮挡时，再获取一张实时影像，将未被遮挡部分进行轮廓化处理得到实时轮廓线。本发明专利技术能够更加精准的在目标被遮挡继续进行目标跟踪，更加值得推广使用。

【技术实现步骤摘要】
一种基于在线学习的抗遮挡目标跟踪算法
本专利技术涉及目标跟踪
，具体涉及一种基于在线学习的抗遮挡目标跟踪算法。
技术介绍
目标跟踪技术在近几年应用较广,属计算机视觉的研究范畴,其应用包括相机的跟踪对焦、无人机的自动目标跟踪、交通监管视频中的车辆跟踪、人脸跟踪、手势跟踪等等,并且在智能监控中也会使用目标跟踪技术来跟踪特定的人或物体等等,目标跟踪作为一项重要研究课题在近些年也得到了快速的研究和发展，抗遮挡目标跟踪算法是在目标跟踪过程中目标被遮挡时使用到的算法。现有的抗遮挡目标跟踪算法，在进行的抗遮挡目标跟踪时出现判定错误的几率，大大影响了抗遮挡目标跟踪算法的使用，因此，提出一种基于在线学习的抗遮挡目标跟踪算法。
技术实现思路
本专利技术所要解决的技术问题在于：如何解决现有的抗遮挡目标跟踪算法，在进行的抗遮挡目标跟踪时出现判定错误的几率，大大影响了抗遮挡目标跟踪算法的使用的问题，提供了一种基于在线学习的抗遮挡目标跟踪算法。本专利技术是通过以下技术方案解决上述技术问题的，本专利技术包括以下步骤：步骤一：本文档来自技高网...

【技术保护点】
1.一种基于在线学习的抗遮挡目标跟踪算法，其特征在于，包括以下步骤：/n步骤一：获取实时跟踪人员的人体影像信息，人体影像信息为跟踪人员的人体影像照片；/n步骤二：对获取到的人体影像照片进行分割处理，将人体影像照片进行区块化处理，将其等分为九块；/n步骤三：将区块化处理后的照片分别提取出，并将各个区块进行轮廓化处理；/n步骤四：各个区域的轮廓线即为预设轮廓线，将各个区域的轮廓线提取出，上传到储存库；/n步骤五：当跟踪目标被遮挡时，再获取一张实时影像，将未被遮挡部分进行轮廓化处理得到实时轮廓线；/n步骤六：从储存库中提取出预设轮廓线与实时轮廓线进行对比处理，对比通过即继续跟踪该目标，对比不通过即回...

【技术特征摘要】
1.一种基于在线学习的抗遮挡目标跟踪算法，其特征在于，包括以下步骤：
步骤一：获取实时跟踪人员的人体影像信息，人体影像信息为跟踪人员的人体影像照片；
步骤二：对获取到的人体影像照片进行分割处理，将人体影像照片进行区块化处理，将其等分为九块；
步骤三：将区块化处理后的照片分别提取出，并将各个区块进行轮廓化处理；
步骤四：各个区域的轮廓线即为预设轮廓线，将各个区域的轮廓线提取出，上传到储存库；
步骤五：当跟踪目标被遮挡时，再获取一张实时影像，将未被遮挡部分进行轮廓化处理得到实时轮廓线；
步骤六：从储存库中提取出预设轮廓线与实时轮廓线进行对比处理，对比通过即继续跟踪该目标，对比不通过即回到步骤一重新进行跟踪处理；
步骤七：当跟踪目标的遮挡物消失时，即再次获取跟踪人体影像信息，并再次对其进行区块化处理获取出各个区域的轮廓线，将该次获取的轮廓线标记为二次轮廓线；
步骤八：将二次轮廓线与储存库中的预设轮廓线进行比对，从而更新储存库中储存的轮廓线数据；
步骤九：更新完轮廓线数据后继续进行目标跟踪。


2.根据权利要求1所述的一种基于在线学习的抗遮挡目标跟踪算法，其特征在于：所述步骤三中的轮廓化处理过程具体如下：
S1：将人体信息照片区域化处理后的九个区域提取出：
S2：从人体影像信息中提取出背景色和人体色；
S3：依次将九个区域内的人体色与背景色交接处进行描线处理，九个区域内的描线处理得到的轮廓线分别为L1、L2、L3、L4、L5、L6、L7、L8和L9。


3.根据权利要求1所述的一种基于在线学习的抗遮挡目标跟踪算法，其特征在于：所述步骤五中实时轮廓线处理过程如下：将再获取的实时影像的人体色与背景色交接处进行描线处理，得到实时轮廓线。

<...

【专利技术属性】
技术研发人员：李文昊，
申请(专利权)人：安徽炬视科技有限公司，
类型：发明
国别省市：安徽;34