【技术实现步骤摘要】
本专利技术涉及的是一种视频处理
的方法,具体是一种。
技术介绍
随着摄像头设备的发展和普及,视频跟踪在生产和生活中占有了越来越重要的地位。特别是在视频监控系统中,跟踪算法可以有效的降低人工成本,节约时间。然而由于跟踪技术本身的不完善以及复杂多变的跟踪环境,影响了跟踪结果的准确性,使跟踪算法的应用受到了限制。视频中的目标跟踪是非常有挑战性的课题,因为跟踪过程中有很多的不确定因素,比如:复杂的背景,若背景与被跟踪目标相似,会干扰跟踪算法对目标位置的判断;明显的物体遮挡、目标外形的快速变化,这些都会导致目标在画面中的外观有明显的变化,导致算法丢失被跟踪目标。对于多目标跟踪而言,除了上述的问题,各个目标之间的相似性、相互作用和相互遮挡都会给正确跟踪带来难度。针对这些问题一般的处理方法往往是采用检测算法与跟踪算法相结合的方法,也就是利用检测算法来提高最终跟踪的效果。然而,在检测算法的正确性难以保证的前提下,是否能提高跟踪率仍是个问题。经过现有技术的文献检索发现,很多学者利用自适应学习的方法来确保检测器的正确性,从而处理检测结果与跟踪结果互相协调的问题,比如Zdenek等在《IEEETransaction on Pattern Analysis and Machine Intelligence)) (2012 年第 34 期第1409-1422页)上发表的“Tracking-Learning-Detection”,该文利用了 “跟踪-学习-检测(TLD)”的框架结构,利用跟踪与检测相结合的方法处理跟踪问题。具体的说,首先,输入一帧图像,图像栅格化后 ...
【技术保护点】
一种基于联合推理的视频多目标跟踪方法,其特征在于,通过首先读入视频文件的一帧图像并对其进行图像栅格化处理,然后采用在线检测器以及作为跟踪器的KLT跟踪算法标定目标的候选位置,分别筛选后综合结果,其次将得出的候选位置结果进行量化评分,最后利用联合函数来描述目标跟踪情况并将基于联合函数的最优解作为目标在这一帧的位置,即实现目标跟踪。
【技术特征摘要】
1.一种基于联合推理的视频多目标跟踪方法,其特征在于,通过首先读入视频文件的一帧图像并对其进行图像栅格化处理,然后采用在线检测器以及作为跟踪器的KLT跟踪算法标定目标的候选位置,分别筛选后综合结果,其次将得出的候选位置结果进行量化评分,最后利用联合函数来描述目标跟踪情况并将基于联合函数的最优解作为目标在这一帧的位置,即实现目标跟踪。2.根据权利要求1所述的方法,其特征是,所述的初始化操作是指:初始化检测器与跟踪器,通过random fern在线学习的方法更新检测器,同时基于KLT算法的跟踪器也会在目标范围内选出特征点,用于下一帧的目标跟踪。3.根据权利要求1所述的方法,其特征是,所述的图像栅格化处理,是指:用大小不一的滑动窗口扫描整帧图像得到不同位置大小不同的图像块,用来作为候选目标,具体为:首先根据初始化目标的大小,等比得出一系列不同尺度大小的滑动窗口,尺度变换的比例范围是1.2,~1.210 ;每个滑动窗口依次按照从左到右从上到下的顺序遍历整幅图像,滑动窗口位移大小为窗口大小的0.1,即得到很多不同位置大小不同的图像块。4.根据权利要求1所述的方法,其特征是,所述的候选位置通过以下方式得到: 首先,计算图像块密度方差,当图像块密度方差过小,则被排除,被跟踪目标模板图像在第一帧初始化时取得,图像块方具体差计算公式为:《 = £.(?#卜护(P,.),其中巩指的是第i幅图像块的灰度图像,EO指的是求平均函数,当>!._,则第i幅图像块就被保留,其中:1为固定参数,4表示模板图像的方差;然后,对输入图像区块提取二值特征,利用random fern算法在线训练得到的分类器估计每一个通过密度方差判断的图像块与被检测目标的相似度,相似度判断公式为:Pc11 x) = -ELi Pd_),其中=C1表示训练类别,这里训练时只有两种类别,与被检测目标相`似用C1表示,与被检测目标不相似,用Ctl表示A (C11 x)表示第i颗fern得到的后验概率;最后,将所有ferns得到的后验概率进行平均,得到最终的后验概率值,当相似度P (C11 X) >5...
【专利技术属性】
技术研发人员:张辰元,蔡岭,张颖华,赵宇明,胡福乔,
申请(专利权)人:上海交通大学,
类型:发明
国别省市:上海;31
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。