【技术实现步骤摘要】
本专利技术涉及模式识别以及计算机视觉
，特别涉及一种。
技术介绍
目标跟踪具有很多的实际应用，例如人机交互、视频监控、行为分析等等。但是设计出一个相对鲁棒的跟踪器仍然不是很容易，因为多种情况都会导致跟踪器不能有效地跟踪目标，例如形状变形、表象变化、遮挡等等。一般来说，大部分目前的跟踪方法主要关注三个方面来提高跟踪器的精确性，它们分别为特征、表示模型和结构信息。考虑到特征选择的重要性，大量的有不同特性的特征都被用来改善跟踪器的性能，例如像素值、颜色和纹理。同时，用来有效地描述目标的表示模型也受到了广大的关注，包括子空间学习，支持向量机，Boosting和稀疏表示。不同 的是，只有比较少的跟踪算法考虑了结构信息。因此，为了更加有效地提高跟踪算法的准确性，研究跟踪目标的结构信息对跟踪效果的改善是很有意义的。
技术实现思路
本专利技术的目的是解决现有的目标跟踪方法无法有效地考虑跟踪目标的内部结构信息，以至于当跟踪目标发生明显的结构形变时，目标的精确位置不能有效地获得。为此，本专利技术提供一种，提高跟踪算法的准确性。本专利技术提出一种目标跟踪方法，采用动态图的结构模型对目标进行有效跟踪，包括如下步骤a)根据跟踪窗口中的表象分布信息，利用超像素分割方法将跟踪窗口过分割成多个块，即超像素；b)采用前景背景分割方法从这些块中选出候选目标块，该前景背景分割方法是基于图割的能量最小化形式；c)利用所述候选目标块的表象信息和相对位置，构建一个具有马尔可夫特性的无向图G(V，E)，称为候选图；d)利用谱聚类匹配方法，将已经保留的目标图G(V’，E’ )和新得到的候选图G(V，...
【技术保护点】
基于动态图匹配的目标跟踪方法，其特征是，包括以下步骤：a)根据跟踪窗口中的表象分布信息，利用超像素分割方法将跟踪窗口过分割成多个块，即超像素；b)采用前景背景分割方法从这些块中选出候选目标块，该前景背景分割方法是基于图割的能量最小化形式；c)利用所述候选目标块的表象信息和相对位置，构建一个具有马尔可夫特性的无向图G(V，E)，称为候选图；d)利用谱聚类匹配方法，将已经保留的目标图G(V’，E’)和新得到的候选图G(V，E)匹配起来，得到各个块之间的匹配关系；e)根据所述匹配关系来确定最终的目标位置：利用各个成功匹配上的块的表象似然和结构似然，通过加权投票机制得到目标的最终位置。
【技术特征摘要】
1.基于动态图匹配的目标跟踪方法，其特征是，包括以下步骤 a)根据跟踪窗口中的表象分布信息，利用超像素分割方法将跟踪窗口过分割成多个块，即超像素； b)采用前景背景分割方法从这些块中选出候选目标块，该前景背景分割方法是基于图割的能量最小化形式； c)利用所述候选目标块的表象信息和相对位置，构建一个具有马尔可夫特性的无向图G (V，E)，称为候选图； d)利用谱聚类匹配方法，将已经保留的目标图G(V’，E’)和新得到的候选图G(V，E)匹配起来，得到各个块之间的匹配关系； e)根据所述匹配关系来确定最终的目标位置利用各个成功匹配上的块的表象似然和结构似然，通过加权投票机制得到目标的最终位置。2.如权利要求I所述的基于动态图匹配的目标跟踪方法，其特征是，所述前景背景分割算法是基于超像素来计算能量最小的，并且能量最小计算框架中包含了一元能量项和二元能量项；所述一元能量项由一个产生式的颜色直方图和一个判别式的SVM分别产生的概率值联合得到，所述二元能量项为相邻的两个块的颜色特征差异。3.如权利要求I所述的基于动态图匹配的目标跟踪方法，其特征是，步骤c)所述的无向图中的节点为候选目标块，边为块与块之间的相互作用，当两个块之间的距离小于一阈值时，认为这两个块之间有相互关系，而不在阈值之内的块没有相互作用，该特性即为马尔可夫特性。4.如权利要求I所述的基于动态图匹配的目标跟踪方法，其特征是，候选图G(V，E)和目标图G(V’，E’ )之间的匹配是通过构建另一个无向超图，然后利用谱聚类的方法求得最终的匹配结果；所述无向超图中的节点为每个可能的块匹配，边为两个块匹配之间的相互作用，且定义当两个块匹配所对应的在候选图G(V，E)中的两个块有相互作用，同时所对应的在目标图G(V’，E’)中的两个块有相互作用，那么这两个块匹配有相互作用；在其他情况下，块匹配之间没有相互作用。5.如权利要求4所述的基于动态图匹配的目标跟...
【专利技术属性】
技术研发人员：李子青，雷震，文珑银，蔡兆伟，
申请(专利权)人：江苏物联网研究发展中心，
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。