System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及计算机视觉,尤其涉及一种基于相关滤波的抗遮挡目标跟踪方法。
技术介绍
1、随着计算机视觉技术的发展,目标跟踪是该领域的热点研究问题,在人机交互、自动驾驶、航空航天等领域极具应用前景。发展至今,该技术主要分为两大体系:生成式与判别式。
2、基于生成式的目标跟踪算法的核心,是对目标的外观建模,在视频或者图像序列中逐帧找到与目标外观最相似的区域,将其作为跟踪的结果。这类跟踪器依赖在线模型的构建,由于运算简单,一般能够保证算法的实时性(大于等于24fps),但对噪声敏感,并且没有充分利用背景信息,容易发生跟踪漂移。基于判别式的目标跟踪算法的核心,是将目标跟踪问题看作分类问题,同时利用了目标信息和背景信息,通过提取更高效、更高维度的特征,在线训练分类器,实现目标和背景的分离。提取的特征越复杂,算法的鲁棒性越高,但实时性也会大幅度降低。
3、上述内容仅用于辅助理解本专利技术的技术方案,并不代表承认上述内容是现有技术。
技术实现思路
1、本专利技术的主要目的在于提供了一种基于相关滤波的抗遮挡目标跟踪方法,旨在解决现有技术进行目标跟踪时效果较差、实用性较低的技术问题。
2、为实现上述目的,本专利技术提供了一种基于相关滤波的抗遮挡目标跟踪方法,所述方法包括以下步骤:
3、基于位置滤波器,对目标在目标帧集中的位置进行定位,得到第一位置;
4、若所述第一位置不可靠,基于位置重检测器,对所述目标在所述目标帧集中的位置重新进行定位,得
5、若所述第二位置的置信度不小于第一预设阈值,根据所述第二位置与尺度滤波器,确定所述目标的尺度信息,并将所述第二位置与所述目标的尺度信息作为目标跟踪信息。
6、可选地,所述基于位置滤波器,对目标在目标帧集中的位置进行定位,得到第一位置,包括:
7、基于所述位置滤波器,提取所述目标所在帧的上一帧的对应位置处的fhog特征与cn特征;
8、将所述fhog特征与所述cn特征进行融合,得到融合特征;
9、根据所述融合特征,确定所述第一位置。
10、可选地,在所述基于位置滤波器,对目标在目标帧集中的位置进行定位,得到第一位置之后,还包括:
11、判断所述第一位置是否可靠;
12、若可靠,根据所述第一位置与所述尺度滤波器,确定所述目标的尺度信息,并将所述第一位置与所述尺度信息作为目标跟踪信息。
13、可选地,所述若所述第一位置不可靠,基于位置重检测器,对所述目标在所述目标帧集中的位置重新进行定位,得到第二位置,包括:
14、若所述第一位置不可靠,判断所述位置重检测器的置信度是否小于第二预设阈值;
15、若小于,根据所述第一位置与所述尺度滤波器,确定所述目标的尺度信息,并将所述第一位置与所述尺度信息作为目标跟踪信息;
16、若不小于,基于所述位置重检测器,对所述目标在所述目标帧集中的位置重新进行定位,得到所述第二位置。
17、可选地,在所述若所述第二位置的置信度不小于第一预设阈值,根据所述第二位置与尺度滤波器,确定所述目标的尺度信息,并将所述第二位置与所述目标的尺度信息作为目标跟踪信息之前,还包括:
18、判断所述第二位置的置信度是否小于所述第一预设阈值;
19、若小于,根据所述第一位置与所述尺度滤波器,确定所述目标的尺度信息,并将所述第一位置与所述尺度信息作为目标跟踪信息。
20、可选地,所述方法还包括:根据外观滤波器,确定所述第二位置与所述位置重检测器的置信度。
21、可选地,所述方法还包括:根据相关滤波与峰值旁瓣比确定所述第二位置与所述位置重检测器的置信度。
22、可选地,在所述基于位置滤波器,对目标在目标帧集中的位置进行定位,得到第一位置之前,还包括:
23、初始化所述位置滤波器、所述尺度滤波器、所述位置重检测器与所述外观滤波器。
24、可选地,所述位置滤波器基于核空间的岭回归方法构建,所述位置重检测器基于在线支持向量机构建。
25、可选地,所述方法还包括:所述尺度滤波器采用pca方法来确定所述目标的尺度信息。
26、本专利技术基于位置滤波器,对目标在目标帧集中的位置进行定位,得到第一位置;若第一位置不可靠,基于位置重检测器,对目标在目标帧集中的位置重新进行定位,得到第二位置;若第二位置的置信度不小于第一预设阈值,根据第二位置与尺度滤波器,确定目标的尺度信息,并将第二位置与目标的尺度信息作为目标跟踪信息。本专利技术通过位置滤波器确定第一位置,若第一位置不可靠时,采用位置重检测器确定第二位置,若第二位置的置信度不小于第一预设阈值,根据第二位置与尺度滤波器确定目标尺度信息,进而得到目标跟踪信息,通过计算结果的置信度以对后续跟踪进行指导,在复杂场景下具有良好的抗干扰能力、抗遮挡能力,提升了目标跟踪的效果与实用性。
本文档来自技高网...【技术保护点】
1.一种基于相关滤波的抗遮挡目标跟踪方法,其特征在于,所述方法包括:
2.根据权利要求1所述的基于相关滤波的抗遮挡目标跟踪方法,其特征在于,所述基于位置滤波器,对目标在目标帧集中的位置进行定位,得到第一位置,包括:
3.根据权利要求1所述的基于相关滤波的抗遮挡目标跟踪方法,其特征在于,在所述基于位置滤波器,对目标在目标帧集中的位置进行定位,得到第一位置之后,还包括:
4.根据权利要求1所述的基于相关滤波的抗遮挡目标跟踪方法,其特征在于,所述若所述第一位置不可靠,基于位置重检测器,对所述目标在所述目标帧集中的位置重新进行定位,得到第二位置,包括:
5.根据权利要求1所述的基于相关滤波的抗遮挡目标跟踪方法,其特征在于,在所述若所述第二位置的置信度不小于第一预设阈值,根据所述第二位置与尺度滤波器,确定所述目标的尺度信息,并将所述第二位置与所述目标的尺度信息作为目标跟踪信息之前,还包括:
6.根据权利要求4所述的基于相关滤波的抗遮挡目标跟踪方法,其特征在于,所述方法还包括:根据外观滤波器,确定所述第二位置与所述位置重检测器的置信
7.根据权利要求6所述的基于相关滤波的抗遮挡目标跟踪方法,其特征在于,所述方法还包括:根据相关滤波与峰值旁瓣比确定所述第二位置与所述位置重检测器的置信度。
8.根据权利要求7所述的基于相关滤波的抗遮挡目标跟踪方法,其特征在于,在所述基于位置滤波器,对目标在目标帧集中的位置进行定位,得到第一位置之前,还包括:
9.根据权利要求8所述的基于相关滤波的抗遮挡目标跟踪方法,其特征在于,所述位置滤波器基于核空间的岭回归方法构建,所述位置重检测器基于在线支持向量机构建。
10.根据权利要求9所述的基于相关滤波的抗遮挡目标跟踪方法,其特征在于,所述方法还包括:所述尺度滤波器采用PCA方法来确定所述目标的尺度信息。
...【技术特征摘要】
1.一种基于相关滤波的抗遮挡目标跟踪方法,其特征在于,所述方法包括:
2.根据权利要求1所述的基于相关滤波的抗遮挡目标跟踪方法,其特征在于,所述基于位置滤波器,对目标在目标帧集中的位置进行定位,得到第一位置,包括:
3.根据权利要求1所述的基于相关滤波的抗遮挡目标跟踪方法,其特征在于,在所述基于位置滤波器,对目标在目标帧集中的位置进行定位,得到第一位置之后,还包括:
4.根据权利要求1所述的基于相关滤波的抗遮挡目标跟踪方法,其特征在于,所述若所述第一位置不可靠,基于位置重检测器,对所述目标在所述目标帧集中的位置重新进行定位,得到第二位置,包括:
5.根据权利要求1所述的基于相关滤波的抗遮挡目标跟踪方法,其特征在于,在所述若所述第二位置的置信度不小于第一预设阈值,根据所述第二位置与尺度滤波器,确定所述目标的尺度信息,并将所述第二位置与所述目标的尺度信息作为目标跟踪信息之前...
【专利技术属性】
技术研发人员:陈国强,叶飞,程文明,张国财,麻斌鑫,陈文博,
申请(专利权)人:浙江航天润博测控技术有限公司,
类型:发明
国别省市:
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。