[发明专利]目标跟踪分类器在线训练样本的超像素中智相似加权方法

权利要求书

1.一种目标跟踪分类器在线训练样本的超像素中智相似加权方法，其特征在于，包括如下步骤：

S100：读取视频帧，依据初始目标位置提取样本，初始化目标跟踪分类器；

S200：读取视频新帧，确定目标位置，计算相应超像素图像；

S300：基于相交区域进行超像素中智隶属度、不确定性度和非隶属度量测；

S400：基于区域形状距离进行超像素中智隶属度、不确定性度和非隶属度量测；

S500：根据步骤S300和步骤S400的结果计算超像素类目标置信向量；

S600：在该视频中提取训练样本，根据所述超像素类目标置信向量计算样本中智权值；

S700：根据所述样本中智权值，利用加权样本更新目标跟踪分类器。

2.根据权利要求1所述的一种目标跟踪分类器在线训练样本的超像素中智相似加权方法，其特征在于，所述步骤S700之后，还包括如下步骤：

判断是否所有帧均读取完毕，如果是，则结束退出，否则返回步骤S200。

3.根据权利要求1所述的一种目标跟踪分类器在线训练样本的超像素中智相似加权方法，其特征在于，所述步骤S300中，基于相交区域进行超像素中智隶属度、不确定性度和非隶属度量测，包括根据如下公式量测所述超像素中智隶属度、不确定性度和非隶属度：

F_A(i)＝1-T_A(i)

其中，T_A(i)、I_A(i)和F_A(i)分别为当前帧第i个超像素基于相交区域条件的中智隶属度、不确定性度和非隶属度的量测值，A(i)为第i个超像素区域的面积，A_o为当前目标跟踪框区域的面积，A_in(i)为第i个超像素区域和目标跟踪框区域相交的面积，此处所述面积均以图像像素个数为单位。

4.根据权利要求1所述的一种目标跟踪分类器在线训练样本的超像素中智相似加权方法，其特征在于，所述步骤S400中，基于区域形状距离进行超像素中智隶属度、不确定性度和非隶属度量测，包括根据如下公式量测所述超像素中智隶属度、不确定性度和非隶属度：

F_S(i)＝1-T_S(i)

其中，T_S(i)、I_S(i)和F_S(i)分别为当前帧第i个超像素基于区域形状距离条件的中智隶属度、不确定性度和非隶属度的量测值，w_s、h_s分别为超像素区域外接矩形框的宽和高，w_o、h_o分别为当前目标跟踪框的宽和高，x_s、x_o分别为超像素区域的质心坐标和目标跟踪框的几何中心坐标，D为目标跟踪框的对角线长度的一半，此处所述宽、高和坐标均以图像像素为单位；

其中，函数f(x)定义为：

其中，erfc(x)为互补误差函数。

5.根据权利要求1所述的一种目标跟踪分类器在线训练样本的超像素中智相似加权方法，其特征在于，所述步骤S500中，根据如下公式计算所述超像素类目标置信向量：

其中，H_i为第i个超像素对应的类目标置信值，α为门限值，在0到1范围内，ll(i)为第i个超像素的中智可信度量，其根据如下公式计算得到：

其中，we_A和we_S在0到1范围内，且二者之和为1，T_A(i)、I_A(i)和F_A(i)分别为当前帧第i个超像素基于相交区域条件的中智隶属度、不确定性度和非隶属度的量测值，T_S(i)、I_S(i)和F_S(i)分别为当前帧第i个超像素基于区域形状距离条件的中智隶属度、不确定性度和非隶属度的量测值。