一种基于多特征自适应融合和在线学习的目标跟踪方法技术

本发明专利技术公开了一种基于多特征自适应融合和在线学习的目标跟踪方法，提取目标特征并作为模板特征；对新候选目标区域分别提取三种特征；根据各特征的辨别性和相关性进行自适应融合；计算融合后特征与模版特征的巴氏距离，将巴氏距离归一化后作为新候选目标区域的权重；对最大权重的新候选目标区域与目标区域进行重叠判断，若重叠率小于重叠率阈值将最大权重的新候选目标区域的多倍区域输入检测器，当识别器输出是，表示跟踪成功并更新识别器、模板特征和目标区域；若输出否，表示发现新目标；若重叠率大于等于重叠率阈值，更新识别器、模板特征和目标区域。增强了不同场景以及一定形变情况下目标跟踪的适应能力，避免了遮挡后易发生跟踪漂移的问题。

【技术实现步骤摘要】

本专利技术涉及目标跟踪领域，特别涉及。
技术介绍
视频目标跟踪是指对视频序列中目标的检测、表征和轨迹提取的过程。视频目标跟踪在视频监控、事件分析、人机交互等领域都有实际应用需求。目前，世界上最先进的监控系统也不能完美地处理复杂场景下的动态跟踪任务，例如:形变、遮挡、光照变化、阴影或拥挤环境下的跟踪。特别在目标间发生部分遮挡以及目标发生形变时，目标跟踪仍是个挑战。基于单特征的跟踪方法通常初始化目标区域，提取任意目标特征，例如:颜色特征，在下一帧进行搜索和匹配。但该方法很难处理复杂背景下的跟踪任务，造成对目标跟踪以及后续的轨迹评估不具鲁棒性。为此，现有技术中又提出了基于多特征的目标跟踪方法，该方法通常提取颜色、边缘等特征，可以较好地完成某些复杂情况下的跟踪任务。专利技术人在实现本专利技术的过程中，发现现有技术中至少存在以下缺点和不足:基于多特征的目标跟踪方法无法适应目标外形的变化，不能很好的解决目标之间发生部分遮挡后跟踪漂移的问题。
技术实现思路
本专利技术提供了，本方法避免了跟踪漂移的问题，很好的适应了目标外形的变化，详见下文描述:，所述方法包括以下步骤:(I)从一帧图像中选定目标区域，本文档来自技高网...

【技术保护点】
一种基于多特征自适应融合和在线学习的目标跟踪方法，其特征在于，所述方法包括以下步骤：（1）从一帧图像中选定目标区域，提取目标特征并作为模板特征；（2）初始化识别器，输入下一帧图像，初始化候选目标区域；根据转移公式获取新候选目标区域；（3）对所述新候选目标区域分别提取颜色、边缘、纹理三种特征；根据各特征的辨别性和相关性进行自适应融合；（4）计算融合后特征与模版特征的巴氏距离，将所述巴氏距离归一化后作为所述新候选目标区域的权重；（5）将N个新候选目标区域按照权重大小进行排序，若重采样判断值大于重采样判决阈值，进行重采样，执行步骤（6）；如果否，执行步骤（6）；（6）对最大权重的新候选目标区域与所述...

【技术特征摘要】

【专利技术属性】
技术研发人员：苏育挺，刘安安，刘晓伟，
申请(专利权)人：天津大学，
类型：发明
国别省市：