【技术实现步骤摘要】
本专利技术涉及的是一种计算机视觉领域中的视觉目标跟踪方法。具体地说，涉及的是。
技术介绍
视频目标跟踪是对图像序列中视觉目标的位置进行估计，它一直是计算视觉中的热点课题。常常需要借助目标本身具有的边缘、颜色及纹理等特征来对目标进行识别并跟踪。除了对目标位置的确定外，尺度大小的估计也非常重要。它们间的关系就如蛋和鸡的关系。目标尺度估计过大或过小影响目标定位的精度，反过来，位置的估计偏差也影响尺度估计。视觉目标跟踪方法大致分为两类，确定性方法和统计性方法。Meanshift跟踪器 是确定性方法的代表，它通过巴氏系数的一阶近似求取每次迭代的可变步长，即mean shift向量。它通过Pazen核窗口估计函数使得离散的直方图描述连续化。这个窗宽应该为目标当前大小但实际上该目标尺度大小未知。优点是计算简单，有效。不足是1)该算法本身没有窗口自适应的机制，需要借助外部的方法获得目标尺度° 如文米用 ± 10% 窗口选取巴氏系数最大的那个。2)容易陷入目标的局部最小点，3)不能从目标丢失后恢复。粒子滤波. Image and Vision Computing, vol.21,...
【技术保护点】
一种针对目标尺度变化的视觉目标跟踪方法，其特征在于：包括步骤如下：第一步：在初始帧，手动或通过检测方法得到目标子图像及初始状态；该子图像经过分辨率调整后，以列的方式堆成一个向量，记为t∈Rd，作为模板；其中，初始状态即仿射变换矩阵，为X0=G0e001∈Aff(2),其中G0为2×2的可逆实矩阵，e0∈R2为平移向量；置N个粒子第二步：粒子传播或预测，具体为：在第k帧，对上一帧粒子集根据在Aff(2)上的具有一阶自回归的运动方程Ak-1=alog(Xk-1-1Xk-1)得到N个新粒子第三步：粒子权重估计，具体为：对每个粒子对应区域提取特征，即向量化的灰度或R...
【技术特征摘要】
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。