[发明专利]一种针对目标遮挡改进的KCF跟踪算法在审
| 申请号： | 201810624972.6 | 申请日： | 2018-06-17 |
| 公开（公告）号： | CN108765470A | 公开（公告）日： | 2018-11-06 |
| 发明（设计）人： | 董恩增;李凯峰;佟吉钢;于晓 | 申请（专利权）人： | 天津理工大学 |
| 主分类号： | G06T7/277 | 分类号： | G06T7/277;G06K9/62 |
| 代理公司： | 杭州知瑞知识产权代理有限公司 33271 | 代理人： | 康培培 |
| 地址： | 300384 *** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 算法 跟踪算法 目标遮挡 遮挡 改进 判定 图像处理技术 模板匹配 视频序列 鲁棒性 数据集 重定位 跟踪 成功率 小车 视频 验证 拍摄 失败 | ||
1.一种针对目标遮挡改进的KCF跟踪算法，其特征在于：它包括，
S1、跟踪目标获取，初始化跟踪器，读取视频信息，以视频第一帧图像以及跟踪目标框初始化目标跟踪器，采用循环矩阵的方法获取大量的样本，训练分类器；
S2、判断跟踪目标是否被遮挡，如果跟踪目标被遮挡，则转到步骤S3，否则转到步骤S6；
S3、判断是否严重遮挡，如果是，则转到步骤S4，否则转到步骤S5；
S4、判断是否跟踪失败，如果跟踪失败，则重新定位跟踪目标，并初始化跟踪器，并转到步骤S6，否则转到步骤S5；
S5、停止分类器训练；
S6、继续跟踪目标。
2.如权利要求1所述的一种针对目标遮挡改进的KCF跟踪算法，其特征在于：所述步骤S2中采用使用分类器的响应峰值判断目标是否被遮挡，当分类器的响应峰值不小于预设值a时，未发生遮挡，否则发生遮挡。
3.如权利要求2所述的一种针对目标遮挡改进的KCF跟踪算法，其特征在于：所述步骤S3中当分类器的响应峰值小于预设值a大于预设值b时，判定为部分遮挡，转到步骤S5；当分类器的响应峰值不大于预设值b时，则判定为严重遮挡，转到步骤S4。
4.如权利要求1所述的一种针对目标遮挡改进的KCF跟踪算法，其特征在于：所述步骤S4采用巴氏距离判定是否跟踪失败，即使用当前帧与上一帧目标跟踪框的灰度直方图的巴氏距离对跟踪结果进行判定。
5.如权利要求1所述的一种针对目标遮挡改进的KCF跟踪算法，其特征在于：所述步骤S4采用模板匹配算法重新定位跟踪目标。
6.如权利要求5所述的一种针对目标遮挡改进的KCF跟踪算法，其特征在于：所述模板匹配算法为平方差匹配法。
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天津理工大学，未经天津理工大学许可，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/201810624972.6/1.html，转载请声明来源钻瓜专利网。
