基于在线初始化梯度增强回归树的目标跟踪方法及系统技术方案

本发明专利技术涉及一种基于在线初始化梯度增强回归树的目标跟踪方法及系统，在视频输入端、跟踪目标输出端以及在线训练分类器构成的系统中，方法步骤为：1）在视频序列中选择跟踪目标，提取类Haar特征的正负样本；2）根据所述正负样本随机建立在线分类器得到训练残差；3）将所述训练残差作为在线分类器的训练样本进行训练修正，建立目标模型；4）从下一帧视频图像获取图像置信图，目标窗口确定置信值最大的位置，完成跟踪。本发明专利技术使得其能够快速收敛到最优点，完成对随机森林检测的优化，并且通过在线学习实现分类器的更新，很好地解决了目标外观变化、快速运动以及遮挡等问题。

【技术实现步骤摘要】

本专利技术属于机器视觉领域目标跟踪和智能人机交互领域，具体涉及一种鲁棒的基于在线初始化梯度增强回归树的目标跟踪方法，属于机器视觉领域目标跟踪及智能人机交互领域。
技术介绍
视觉目标跟踪技术是机器视觉研究的核心课题之一，它融合了图像处理、模式识别、人工智能、自动控制等许多领域的关键技术。视觉目标跟踪技术广泛应用于视频监控、智能机器人、智能交通等人机交互领域，以及军事领域。因为具有巨大的应用前景，国际和国内对视觉目标跟踪的研究方兴未艾。在现实场景中，受日光和灯光的影响，光线变化较大；背景中静态干扰物杂乱无章和动态干扰物形态且运动方式无法预测；目标与环境中的其他物体之间容易相互遮挡；长时间跟踪运动目标外观、尺度、姿态变化大。面对这些困难，如何实现稳定的目标跟踪，从而进行更加智能和更加鲁棒的人机交互，具有重要的研究意义。当前视觉目标跟踪的传统方法可以分为基于区域的跟踪、基于特征的跟踪、基于变形模版的跟踪以及基于模型的跟踪方法。算法执行顺序遵循预测-检测-匹配-更新四个步骤，以前一帧目标位置和运动模型为基础，预测当前帧中目标的可能位置。在可能位置处候选区域的特征和初始特征进行匹配，通过优化匹本文档来自技高网...

【技术保护点】
一种基于在线初始化梯度增强回归树的目标跟踪方法，其步骤为：1）在视频序列中选择跟踪目标，提取类Haar特征的正负样本；2）根据所述正负样本随机建立在线随机森林分类器得到训练残差；3）将所述训练残差作为在线梯度增强回归树分类器的训练样本进行训练修正，建立目标模型；4）从下一帧视频图像获取图像置信图，目标窗口根据所述目标模型确定置信值最大的位置，完成跟踪。

【技术特征摘要】
1.一种基于在线初始化梯度增强回归树的目标跟踪方法，其步骤为: 1)在视频序列中选择跟踪目标，提取类Haar特征的正负样本； 2)根据所述正负样本随机建立在线随机森林分类器得到训练残差； 3)将所述训练残差作为在线梯度增强回归树分类器的训练样本进行训练修正，建立目标模型； 4)从下一帧视频图像获取图像置信图，目标窗口根据所述目标模型确定置信值最大的位置，完成跟踪。2.如权利要求1所述的基于在线初始化梯度增强回归树的目标跟踪方法，其特征在于，所述目标跟踪方法还包括:输出置信值最大的位置后更新所述在线分类器。3.如权利要求1所述的基于在线初始化梯度增强回归树的目标跟踪方法，其特征在于，在目标窗口内提取类Haar特征为所述正样本，目标窗口外两倍目标大小的类Haar特征为所述负样本。4.如权利要求1所述的基于在线初始化梯度增强回归树的目标跟踪方法，其特征在于，所述在线随机森林分类器在训练每棵树时，从全部训练样本中任意选取一个子集进行训练，并评估其他未被选中的子集数据的随机森林数泛化误差，通过所述泛化误差决定是否构建新树。5.如权利要求1所述的基于在线初始化梯度增强回归树的目标跟踪方法，其特征在于，所述在线随机森林分类器在每个节点随机选取所有样本的一个子集，计算随机森林中的决策树的节点的分裂函数。6...

【专利技术属性】
技术研发人员：刘宏，梁子琳，丁润伟，
申请(专利权)人：北京大学深圳研究生院，
类型：发明
国别省市：