仿生模式识别目标自适应跟踪方法技术

本发明专利技术公开一种仿生模式识别目标自适应跟踪方法，主要解决现有技术中鲁棒性较差、对训练样本多样性要求较高的问题。其实现步骤为：(1)获取训练样本集；(2)提取训练样本特征；(3)依据训练样本灰度特征建立超香肠神经网络，依据训练样本编号特征和训练样本尺寸特征建立径向基神经网络；(4)计算超香肠神经网络与搜索区域中所有候选区域之间的欧式距离；(5)采用最小距离法获取目标位置；(6)获得目标位置在超香肠神经网络中的编号，并将其输入径向基神经网络获得目标尺寸。本发明专利技术通过对训练样本集中的训练样本进行覆盖式训练，提高了目标跟踪的鲁棒性，减少了对训练样本多样性的依赖，可用于智能机器人、智能交通系统和视频监控等领域。

【技术实现步骤摘要】

本专利技术属于目标跟踪领域，更进一步涉及一种，可用于智能机器人、智能交通系统和视频监控等领域。
技术介绍
目标跟踪即依据事先给定的目标模板的某些特征如灰度特征、颜色特征、纹理特征、边缘特征等，采用模式识别方法在待跟踪视频图像中搜索目标，确定目标在视频图像中的位置信息和状态信息。现有的模式识别方法有模板匹配方法、Back Propagation神经网络方法等传统模式识别方法。天津工业大学提出的专利申请“一种基于模板匹配的目标跟踪方法”(专利申请号201010529681. 2，公开号CN102004898A)公开了一种基于模板匹配的目标跟踪方法。该方法将模板匹配方法的平移不变性与圆形模板的旋转不变形相结合，在目标发生较小变化时可以精确跟踪到目标。该方法仍存在的不足是对目标的学习能力不足，在目标状态发生较大变化时稳定跟踪的鲁棒性较差。上海交通大学提出的专利申请“基于神经网络的机动目标精确跟踪方法”(专利申请号02112061. 7，公开号CN1382997)公开了一种基于神经网络的机动目标精确跟踪方法。该方法采用训练Back Propagation神经网络调整系统的方法以适应目标的运动本文档来自技高网...

【技术保护点】
一种仿生模式识别目标自适应跟踪方法，包括以下步骤：(1)输入一段视频，采用隔帧抽取的方式选择n帧图像，以每帧图像中目标区域为中心截取训练样本，得到n个训练样本，分别将其编号为1,2,...,n，组成训练样本集；(2)从训练样本集中提取训练样本特征，其特征包括：训练样本编号特征、训练样本灰度特征和训练样本目标尺寸特征；(3)建立超香肠神经网络和径向基神经网络：3a)设定覆盖参数α＝0.05，覆盖间隔k＝1/α，径向基函数个数m＝10；3b)采用向量化方法和标准化方法对训练样本灰度特征进行预处理，并按照覆盖参数α进行加权训练，得到扩展训练样本，将所有扩展训练样本组合形成超香肠神经网络H，再将超香肠...

【技术特征摘要】
1.一种仿生模式识别目标自适应跟踪方法，包括以下步骤: (1)输入一段视频，采用隔帧抽取的方式选择n帧图像，以每帧图像中目标区域为中心截取训练样本，得到n个训练样本，分别将其编号为1，2，...，n，组成训练样本集； (2)从训练样本集中提取训练样本特征，其特征包括:训练样本编号特征、训练样本灰度特征和训练样本目标尺寸特征； (3)建立超香肠神经网络和径向基神经网络: 3a)设定覆盖参数a = 0.05,覆盖间隔k = I/a ,径向基函数个数m = 10 ； 3b)采用向量化方法和标准化方法对训练样本灰度特征进行预处理，并按照覆盖参数a进行加权训练，得到扩展训练样本，将所有扩展训练样本组合形成超香肠神经网络H，再将超香肠神经网络H中所有的扩展样本依次编号作为超香肠神经网络编号特征； 3c)依据覆盖间隔k更新训练样本编号特征，将更新后的训练样本编号特征与训练样本目标尺寸特征一起输入到具有m个互相连接的径向基函数R内进行训练，获得径向基神经网络W ； (4)使用欧式距离度量法则在搜索区域内搜索目标: 4a)输入一帧视频图像作为搜索区域； 4b)在搜索区域内，逐像素 选择与训练样本集中训练样本同尺寸的区域作为候选区域，提取候选区域灰度特征，按照步骤3b)的方法对候选区域灰度特征进行预处理后得到测试样本，计算测试样本与超香肠神经网络H中所有扩展样本之间的欧式距离，得到一组超香肠距离； 4c)记录搜索区域内每一候选区域的最小超香肠距离，得到搜索区域距离，记录最小超香肠距离在超香肠编号特征中的编号，得到搜索区域编号； (5)取...

【专利技术属性】
技术研发人员：王军宁，刘焕云，何迪，涂尚斌，张晶，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：