【技术实现步骤摘要】
本专利技术属于计算机视觉
，涉及视觉监控基于极小化上界误差的视觉跟踪 方法。
技术介绍
计算机视觉技术作为一种尖端的计算机技术广泛的应用于多媒体、视频监控以及 人工智能等中。在计算机视觉中，如何准确的知道目标在视频图像中的位置甚至是大小、方 向、形状，是一个基本的问题，也是视频跟踪技术所要解决的问题。只有基于鲁棒的视频跟 踪，计算机视觉中的目标定位、轨迹标定等基础问题才能得到解决；只有基于鲁棒的视频跟 踪，计算机视觉中的目标识别、行为理解等这些高层问题的分析才能有更广的应用。所以如 何准确的跟踪视频图像中的目标一直以来都是计算机视觉研究的热点问题。传统的方法把跟踪问题作为一个模板匹配的问题来处理，通过实时建立一个目标 表象模板来搜索当前视频图像中最匹配的位置作为目标位置。由于建立的模型比较简单， 这类方法对于复杂背景以及目标表象变化的适应性并不强。为了解决传统跟踪方法的不足，一种基于在线分类器学习的跟踪方法被应用到了 视觉跟踪领域。这类方法把跟踪问题看作一个目标与背景的分类问题，通过在线学习一个 判定面来判定最有可能的目标位置。线性鉴别分析(Linear ...
【技术保护点】
基于极小化上界误差的视觉跟踪方法，其特征在于，实现所述方法的步骤包括如下：步骤Ｓ１：利用跟踪器估计目标在当前帧中的区域，所述目标区域包括目标位置与目标大小；步骤Ｓ２：以估计的目标区域为参照提取样本；步骤Ｓ３：对提取的样本抽取两类不同性质的视觉特征；步骤Ｓ４：利用抽取的各样本两类不同性质的视觉特征在线进行协同提升学习，并对跟踪器进行更新，在线协同提升学习中，利用两个并行的提升算法同时对两类不同性质的视觉特征进行选择，并在各级视觉特征选择中利用协同学习进行相互约束，在选择最佳的视觉特征提升跟踪器性能的同时利用协同学习配置最佳的样本属性。
【技术特征摘要】
【专利技术属性】
技术研发人员：卢汉清，王金桥，刘荣，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：11
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。