[发明专利]基于Online Boosting的目标轮廓跟踪方法

权利要求书

1.基于Online Boosting的目标轮廓跟踪方法，其特征在于，包括以下步骤：

1)初始化步骤：

1-1)将视频的第1帧图像分割成超像素；

1-2)对分割成超像素后的图像提取局部对数欧式距离协方差矩阵L2ECM特征X，L2ECM特征中每一列对应一个超像素的L2ECM特征x；将第1帧图像的L2ECM特征进行目标特征与背景特征的区分，得到每个超像素对应的分类标签y∈{-1，+1}，+1表示目标，-1表示背景，最终得到图像的分类结果Y；

1-3)使用的L2ECM特征X和分类结果Y训练Online Boosting分类器h；

2)跟踪的步骤：

2-1)对视频中第t帧图像分割成超像素并提取L2ECM特征X，t＝2，3，...，使用OnlineBoosting分类器h对特征矩阵X的每一列进行分类，得到分类结果Y_p；

2-2)使用膨胀法连通目标中断开的区域，得到更新后的分类结果

2-3)使用L2ECM特征X和分类结果对Online Boosting分类器h进行更新，更新t＝t+1，返回步骤2-1)处理视频中的下一帧图像；

其中，Online Boosting分类器h由M个弱分类器h_m构成，弱分类器编号m∈{1，2，…，M}；Online Boosting分类器h训练的具体步骤如下：

初始化步骤：初始设置弱分类器h_m分类的正确率错误率和惩罚系数λ，

训练步骤：

分类器h_m接收输入的超像素的L2ECM特征x与对应的分类标签y，判断当前分类器h_m对超像素的L2ECM特征x分类结果进行判断：如果h_m对超像素的L2ECM特征x分类结果正确h_m(x)＝y，则更新ε_m表示加上惩罚系数λ之后分类器h_m的错误率；如果h_m对超像素的L2ECM特征x分类结果错误h_m(x)≠y，则更新

更新分类器为示性函数I：判断是否达到结束更新条件，如否，返回训练步骤，对下一个超像素的L2ECM特征x与对应的分类标签y进行处理，如是，结束训练步骤。