基于简化直推式学习法的在线目标跟踪方法技术

本发明专利技术公开了一种基于简化直推式学习法的在线目标跟踪方法，用于解决现有在线目标跟踪方法应用受局限的技术问题。技术方案是使用一个矩形框表示目标，并在目标周围提取训练样本，提取样本的HOG特征作为目标表示，得到初始的目标检测器。在下一帧图像中，生成候选目标样本并提取HOG特征。分类器在每一帧图像上单独训练。给定一个分类器的最大空间尺度，如果分类器的大小没有超过最大空间尺度，则直接将当前训练结果加入到分类器集合中，然后将训练好的当前结果加入到分类器集合中。本发明专利技术通过图像的空间结构约束，生成准确的训练样本标签，提高了分类器的性能。此外，在每帧图像上单独训练分类器，与背景技术相比较，应用范围更广。

【技术实现步骤摘要】

本专利技术涉及一种在线目标跟踪方法，特别是涉及一种。
技术介绍
目标跟踪是计算机视觉中非常重要的研究方向，其应用领域包括视频监控，人机交互，车辆自主导航等。然而，在实际应用中，有时事先不知道需要跟踪的目标类型，缺少目标的先验信息，并且目标外观及运动模式变化过程不可预测，因此很难实现精确的目标跟I?示。在缺少先验信息的情况下，基于先检测后跟踪的半监督学习方法，是最流行的目标跟踪方法之一，并且取得了很好的效果。Grabner等人提出了在线Boosting与特征选择的目标跟踪方法，可以有效的避免跟踪过程中的漂移现象，但不能适应目标外观的较大变化。MIL方法在一幅图像目 标周围邻近区域，将多个样本认定为正样本，使用多个正样本进行分类器训练，提高了目标检测的成功率。但是在分类器的更新过程，很难得到准确的训练样本，分类器的性能在跟踪过程中不断下降。为了得到更准确的训练样本，实现长时跟踪。Kalal等人提出了 P-N学习的在线目标跟踪方法。该方法利用空间约束，将距离目标较近的样本认定为正样本，远离目标的区域认定为负样本；此外，该方法认为目标在相邻两帧的位置变化是连续的，使用光流计算的运动本文档来自技高网...

【技术保护点】
一种基于简化直推式学习法的在线目标跟踪方法，其特征在于包括以下步骤：步骤一、在图像上选定一个矩形标识框，框内的区域为目标区域；若该样本区域与目标的重叠率大于给定阈值，刚认定为正样本，否则为负样本；重叠率的定义为：S=γt∩γαγt∪γα其中，γt为目标区域所在的矩形框位置，γα为样本位置；如果s＞0.5，刚该样本为正样本，否则为负样本；再提取样本的HOG特征，利用该特征向量用来训练分类器；步骤二、生成测试样本，检测目标所在位置；采用训练样本的平均值评价测试样本，定义如下：ω-t=Σ&...

【技术特征摘要】
1.一种基于简化直推式学习法的在线目标跟踪方法，其特征在于包括以下步骤:步骤一、在图像上选定一个矩形标识框，...

【专利技术属性】
技术研发人员：张艳宁，张蓬，卓涛，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：