基于分块的非特定目标实时跟踪方法技术

本发明专利技术涉及一种基于分块的非特定目标实时跟踪方法，包括分类器更新，目标检测和权重更新三大步骤；该方法将目标区域分割为多个块，对每个块维护一个分类器，并逐帧更新，综合考虑各个分类器的检测结果来确定目标在新视频帧中的位置。该方法设计了一个自动的权重更新机制，使得相对稳定的块对结果的判定具有更大的决定权，从而降低了各种干扰的影响，跟踪性能优于目前国际上最近发布的多种算法。该方法能捕获各种干扰引起的物体外观变化并准确跟踪，对各种形状和类型的目标物体具有普适性，而且计算复杂度低，能实时处理。在各种需要跟踪技术的场合，如视频监控，自动驾驶，人机交互，智能交通，机器人，空中预警等许多方面，具有广泛的应用前景。

【技术实现步骤摘要】

本专利技术涉及视频中目标跟踪方法，特别涉及一种基于分块的非特定目标实时跟踪 方法。
技术介绍
目标跟踪是计算机视觉和自动化领域一个重要的工作，在军事和民用方面都有着 非常广泛的应用。如人机交互，智能交通，安全监控，机器人，空中预警等。这些应用都对自 动的实时目标跟踪提出了较高的需求和要求。目前视频目标跟踪方法有许多种，如基于轮廓或者模板匹配的，基于滤波器的，基 于分类的等等。比较突出的是最近两年由Dorin Comaniciu提出的mean-shift跟踪算法， AmitAdam提出的基于片段的跟踪方法(Frag Tracker)，Helmut Grabner提出的(监督\半 监督)在线Adaboost跟踪算法(OABTracker)和美国加州大学Boris Babenko提出的多示 例学习跟踪算法(MILTracker)。前两种方法都对目标运动和外观变化显著的目标跟踪能力 较弱，在线Adaboost方法能较好的适应目标的外观变化，但是容易出现漂移，跟踪时间稍 长则可能丢失目标，而且对遮挡的处理能力较弱，第四种方法较在线Adaboost方法增强了 对目标外观的自适应能力，也有一定本文档来自技高网...

【技术保护点】
基于分块的非特定目标实时跟踪方法，包括分类器更新，目标检测和权重更新三大步骤，其特征在于，所述的分类器更新步骤为：步骤ａ，分块，根据已经获得的目标位置和大小信息，将目标区域划分为均匀大小互不重叠的矩形块；步骤ｂ，对每一个区域块维护一个分类器Ｃ↓［ｋ］，并在每一帧进行在线更新；所述的目标检测步骤为：步骤ｃ，用分类器在新视频帧上进行检测，并计算局部置信图ｐ↓［ｋ］；步骤ｄ，对全部的Ｋ个局部置信图加权平均得到全局的置信图Ｐ；步骤ｅ，采用ｍｅａｎ－ｓｈｉｆｔ方法在全局置信图上寻找置信峰值，该位置既被认为是目标在当前帧中的位置ｐｏｓ＝（ｘ，ｙ）＝ｍｅａｎｓｈｉｆｔ（Ｐ）；所述的权重更新步骤为：步骤ｆ，对...

【技术特征摘要】

【专利技术属性】
技术研发人员：俞能海，周维，庄连生，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：34[中国|安徽]