【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
，具体涉及目标跟踪技术，特别是一种。
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、虚拟现实等等。对于绝大多数的情况，跟踪器需要对目标进行长时间跟踪，而且很难获得目标出现的场景，目标表象信息的先验知识，因此就需要跟踪器根据目标在跟踪过程中的变化进行在线的自动学习，以对目标的变化具有更好的鲁棒性。·在实际的应用过程中，运动目标最基本也是最有效的彳目息就是时间与空间的表象信息，而对于已经提出的在线学习方法往往并没有对这两个基本的信息进行充分的考虑。现有的方法均是主要关注目标本身的表象变化，主要分为两大类，一类是基于产生式模型(Generative Model)的在线学习方法,此方法关注直接对目标本身表象特征进行建模,使得其对目标本身表达更完善；另外一类是基于鉴别式模型(Discriminative Model)的在线学习的方法，此方法重点关注的是目标与背景之间的区别，通过对目标与背景间区别的学习，达到对目标的准确定位跟踪。此两类方法在一些有限制条件的场景下表现较好，但是对于一般实际应用的非限制条件场景下，...
【技术保护点】
一种目标跟踪方法，用于对视频中出现的目标图像进行跟踪，其特征在于，包括如下步骤：建立目标跟踪的时间结构上下文模型和空间结构上下文模型；在该视频帧中对目标可能出现的区域进行采样，得到采样图像；将所述采样图像输入所述时间结构上下文模型和空间结构上下文模型中，得到该采样图像中的各采样点为目标所在区域的时间概率结果和空间概率结果；将所述空间概率结果和时间概率进行融合，得到各采样点属于目标区域的后验概率，将所述后验概率的最大值所对应的采样点作为目标跟踪的最终结果。
【技术特征摘要】
【专利技术属性】
技术研发人员：李子青，文珑银，雷震，易东，
申请(专利权)人：中国科学院自动化研究所，北京中科奥森科技有限公司，
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。