【技术实现步骤摘要】
本专利技术涉及一种视频目标跟踪方法，特别是涉及一种基于特征光流与在线集成学习的视频目标跟踪方法。
技术介绍
视频目标跟踪方法的研究和应用作为计算机视觉领域的一个重要分支，正日益广泛地应用到科学技术、国防建设、航空航天、医药卫生以及国民经济的各个领域，因而研究目标跟踪技术有着重大的实用价值。现有的特定目标跟踪方法主要有基于检测的方法，如帧间差分方法、背景差分方法、运动场估计方法。基于识别的方法，如区域匹配方法、模型匹配方法、频率域匹配方法和特征匹配方法。文献“Online learning of robust object detectors during unstabletracking, 0LCV, 2009 ”公开了一种数字视频中的特定目标的跟踪方法，该方法采用跟 踪-建模-检测(TMD)方法。跟踪部分采用改进的加入了中值处理的Lucas-Kanade光流法实现的一个短期跟踪器来对特定目标进行跟踪，估计出目标下一帧出现的位置；而在线检测器是基于随机森林形式的分类器，随机森林中每棵树上的每个特征代表了这棵树在某个层面上的一种衡量，特征选用在某个区域衡量梯度方向并将其数...
【技术保护点】
一种基于特征光流与在线集成学习的视频目标跟踪方法，其特征在于包括以下步骤：步骤一、对原始视频的每帧图像用OpenCV提取稳定的特征点，其中包括图像序列中一直稳定存在的特征点和每一帧会新增加的特征点，用OpenCV自带的迭代光流法来跟踪这些特征点在下一帧的位置；进行目标未缩放跟踪的处理，首先判断OpenCV检测出来的特征点的数目是否达到RANSAC算法所要求的最少特征点数目；若特征点数目＜最少特征点数目，则分别统计这几个特征点在x方向和y方向的位移，排序后选择中位值作为整个目标在x方向和y方向的位移；若特征点的数目≥最少特征点数目，则运用RANSAC算法先去除坏点，再计算出前...
【技术特征摘要】
1.一种基于特征光流与在线集成学习的视频目标跟踪方法，其特征在于包括以下步骤 步骤一、对原始视频的每帧图像用OpenCV提取稳定的特征点，其中包括图像序列中一直稳定存在的特征点和每一巾贞会新增加的特征点，用OpenCV自带的迭代光流法来跟踪这些特征点在下一帧的位置； 进行目标未缩放跟踪的处理，首先判断OpenCV检测出来的特征点的数目是否达到RANSAC算法所要求的最少特征点数目；若特征点数目 <最少特征点数目，则分别统计这几个特...
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。