[发明专利]基于SURF的压缩跟踪方法和系统有效
申请号: | 201510007742.1 | 申请日: | 2015-01-08 |
公开(公告)号: | CN104680554B | 公开(公告)日: | 2017-10-31 |
发明(设计)人: | 陈汉准;张力;胡媛媛 | 申请(专利权)人: | 深圳大学 |
主分类号: | G06T7/246 | 分类号: | G06T7/246 |
代理公司: | 广东前海律师事务所44323 | 代理人: | 张绍波 |
地址: | 518060 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 surf 压缩 跟踪 方法 系统 | ||
1.一种基于SURF的压缩跟踪方法,其特征在于,包括:
A、采集视频文件的第t帧图像中的正样本和负样本,对正样本和负样本提取SURF特征向量,利用压缩感知技术,获得表征所述SURF特征向量的压缩特征向量,使用所述压缩特征向量训练贝叶斯分类器,得到第一分类器;
B、采集视频文件的第t-N帧到第t帧图像中目标图像的正样本和负样本,对正样本和负样本提取SURF特征向量,利用压缩感知技术,获得表征所述SURF特征向量的压缩特征向量,使用所述压缩特征向量训练贝叶斯分类器,得到第二分类器;
C、将所述第一分类器和第二分类器进行加权,得到第三分类器;
D、提取视频文件的第t+1帧图像中目标图像的SURF特征向量,利用压缩感知技术,获得表征所述SURF特征向量的压缩特征向量,使用所述第三分类器对视频文件第t+1帧图像中目标图像进行跟踪。
2.根据权利要求1所述基于SURF的压缩跟踪方法,其特征在于,所述步骤A中还包括:
A1、使用压缩特征向量训练贝叶斯分类器,得到第一弱分类器,通过判别区分度函数选择区分度满足预定条件的压缩特征训练成的第一弱分类器组成第一分类器。
3.根据权利要求1所述基于SURF的压缩跟踪方法,其特征在于,所述步骤B中还包括:
B1、使用压缩特征向量训练朴素贝叶斯分类器,得到第二弱分类器,通过判别区分度函数选择区分度满足预定条件的压缩特征训练成 的第二弱分类器组成第二分类器。
4.根据权利要求1所述基于SURF的压缩跟踪方法,其特征在于,所述步骤A中:采用第t帧图像中所需跟踪的目标图像作为正样本,采集到的背景图像作为负样本。
5.根据权利要求1所述基于SURF的压缩跟踪方法,其特征在于,所述步骤B中:采用第t-N帧到第t帧图像中所需跟踪的目标图像作为正样本,采用第t帧图像中采集到的背景图像作为负样本。
6.根据权利要求1所述基于SURF的压缩跟踪方法,其特征在于,在所述步骤D中还包括:
D1、在提取视频文件的第t+1帧图像中目标图像的SURF特征向量之前,首先在第t帧图像中所需跟踪的目标图像周围采集若干个扫描窗口,在提取目标图像的SURF特征向量时,仅通过采集到的若干个扫描窗口进行提取操作。
7.根据权利要求2或3所述基于SURF的压缩跟踪方法,其特征在于,所述区分度函数的定义为:
其中σ(hpos(vi))、σ(hneg(vi)),分别表示正样本和负样本的方差,Δσ=|σ(hneg(vi))-σ(hpos(vi))|表示正样本与负样本的方差之差,μ(hpos(vi))表示正样本均值,μ(hneg(vi))表示负样本的均值,σ(hpos(vi),hneg(vi))表示正样本和负样本之间的方差;
选择区分度满足预定条件为:选取区分度较高的S(S<n)个压缩特征去训练弱分类器,其中n为全部压缩特征的个数。
8.根据权利要求1所述基于SURF的压缩跟踪方法,其特征在于,所述步骤C中:
第三分类器由第一分类器和第二分类器加权得到,其公式如下:
其中L表示当前第t帧正样本的个数;N表示前N帧的正样本数;HL为第一分类器;HN第二分类器。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳大学,未经深圳大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201510007742.1/1.html,转载请声明来源钻瓜专利网。
- 上一篇:抗CO干扰乙醇传感材料
- 下一篇:大黄炭温敏凝胶及其制备方法和用途