[发明专利]目标跟踪方法及系统有效

专利信息
申请号: 201811168036.5 申请日: 2018-10-08
公开(公告)号: CN109448020B 公开(公告)日: 2020-11-24
发明(设计)人: 刘方辉;杨杰;黄晓霖 申请(专利权)人: 上海交通大学
主分类号: G06T7/246 分类号: G06T7/246;G06K9/62
代理公司: 上海恒慧知识产权代理事务所(特殊普通合伙) 31317 代理人: 徐红银
地址: 200240 *** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 目标 跟踪 方法 系统
【说明书】:

发明提供了一种目标跟踪方法及系统,该方法包括:根据获取的第一帧图像,构建正字典集合、负字典集合;对后续帧图像进行随机采样,获得若干图像块作为候选样本;根据所述候选样本、正字典集合及负字典集合,获取所述候选样本的置信度;根据所述候选样本的置信度,确定目标跟踪结果。本发明利用稀疏字典选择机制,可以从跟踪结果中选出可靠的、有代表性的跟踪结果对目标表观模型进行更新,有效的避免了跟踪结果不准确对表观模型的不利影响。

技术领域

本发明涉及计算机视觉技术领域,具体地,涉及目标跟踪方法及系统。

背景技术

视频目标跟踪是当前计算机视觉领域的一个热点问题,在给定目标在第一帧的初始位置之后,能够自动预测目标在接下来帧数的位置。

目前,目标跟踪的主要方法包括:基于生成式模型的跟踪方法和基于判别式模型的跟踪方法,以及将两者结合之后的跟踪方法。对于基于生成模型的跟踪方法来说,跟踪任务是先建立一个目标表观模型,随后在其邻域范围内搜索与目标最相似的区域。基于判别模型的跟踪方法是把目标跟踪问题看作成一个二分类问题,其主要思想是寻找目标与背景之间的最优分类面,并使得它们间的差异性最大,进而把目标从背景中提取出来。

但是,这些方法是建立在候选样本能够被字典线性表示这一假设之上,很难处理目标姿态变化、光照变化、遮挡等复杂变化,对于实际目标服从非线性分布的情形,就无法进行准确的刻画,进而导致误差累积以及跟踪漂移现象的发生。

发明内容

针对现有技术中的缺陷,本发明的目的是提供一种目标跟踪方法及系统。

第一方面,本发明提供一种目标跟踪方法,包括:

根据获取的第一帧图像,构建正字典集合、负字典集合;

对后续帧图像进行随机采样,获得若干图像块作为候选样本;

根据所述候选样本、正字典集合及负字典集合,获取所述候选样本的置信度;

根据所述候选样本的置信度,确定目标跟踪结果。

可选地,根据获取的第一帧图像,构建正、负字典集合,包括:

确定所述第一帧图像中的目标中心位置I(x,y);

根据所述目标中心位置I(x,y)为圆心,且在预设半径范围内采样得到的若干图像块构建正字典集合;

根据所述目标中心位置I(x,y)为圆心,且在预设半径范围以外采样得到的若干图像块构建负字典集合。

可选地,所述正字典集合中图像块的采样公式如下:

其中,Ii为第i个图像块的中心位置,Rr为搜索区域半径,p为正字典集合中图像块的数量;

所述负字典集合中图像块的采样公式如下:

其中,Ij为第j个图像块的中心位置,Rr为搜索区域半径,Rs为外部搜索区域半径,j=1,2,…,n;n为负字典集合中图像块的数量。

可选地,根据所述候选样本、正字典集合及负字典集合,获取所述候选样本的置信度,包括:

将任一候选样本y在高维空间的映射记为获取候选样本y在正字典集合的k个临近图像块,构建所述候选样本y的局部正字典集合B+,并获取所述局部正字典集合B+的高维空间

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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上海交通大学,未经上海交通大学许可,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/201811168036.5/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top