[发明专利]一种目标跟踪方法及装置有效
申请号: | 201910431641.5 | 申请日: | 2019-05-22 |
公开(公告)号: | CN110147768B | 公开(公告)日: | 2021-05-28 |
发明(设计)人: | 周浩;杨峻;袁国武;高赟;张露;陈竞 | 申请(专利权)人: | 云南大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/46;G06K9/62 |
代理公司: | 北京超凡宏宇专利代理事务所(特殊普通合伙) 11463 | 代理人: | 杨奇松 |
地址: | 650000 云*** | 国省代码: | 云南;53 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 目标 跟踪 方法 装置 | ||
1.一种目标跟踪方法,其特征在于,包括:
在图像帧序列的当前图像帧中确定多个候选区域;
从每个候选区域中提取多个特征,利用滤波器模型计算出每个特征的响应矩阵,所述响应矩阵中的每个响应值对应一个候选区域,所述响应值表征在基于所述特征进行目标跟踪时,对应的候选区域中存在待跟踪目标的可能性;
根据每个特征的响应矩阵相对于所述图像帧序列的之前图像帧中同一特征的响应矩阵的变化程度确定每个特征的权重,并根据确定的权重将多个特征的响应矩阵进行加权融合,获得所述当前图像帧的融合响应矩阵;
将所述融合响应矩阵中的最大响应值对应的候选区域,确定为所述待跟踪目标在所述当前图像帧中的位置;
通过如下公式计算每个特征的响应矩阵对应的模板矩阵responset':
其中,responset为所述图像帧序列的第t个图像帧中所述特征的响应矩阵,responset-1'为第t-1个图像帧中同一特征的模板矩阵,α为滤波器模型的学习率,N为自然数集;
计算每一特征的变化矩阵Ct=responset-responset-1',并对所述变化矩阵进行标准化处理,获得标准变化矩阵Ct';
计算特征变化系数其中,λ1为第一阈值,λ2为第二阈值,且λ1λ2;
根据所述特征变化系数确定每个特征的权重;
通过如下公式确定每个特征的权重:
其中,γk为第k个特征的权重,ck(t)为第k个特征对应的特征变化系数,k为1至n中的任一整数。
2.根据权利要求1所述的方法,其特征在于,在利用滤波器模型计算出每个特征的响应矩阵之后,所述方法还包括:
获取由所述响应矩阵中最大响应值与所述最大响应值周围区域的响应值所形成的第一响应矩阵,并对所述第一响应矩阵进行标准化处理,获得第一标准矩阵;
判断所述第一标准矩阵中是否存在大于第三阈值的响应值;
在所述第一标准矩阵中存在大于第三阈值的响应值时,根据所述第一标准矩阵计算置信度以及根据所述置信度计算所述滤波器模型更新的学习率,并利用所述学习率更新所述滤波器模型,其中,所述置信度表征由所述最大响应值确定的待跟踪目标的位置的可信程度;
在所述第一标准矩阵中不存在大于所述第三阈值的响应值时,保持原有的滤波器模型。
3.根据权利要求2所述的方法,其特征在于,所述置信度δ=max(responseZt)-Mean(responseZt),Ztσ1,其中,responseZt为所述第一标准矩阵,mean(responseZt),Ztσ1为所述第一标准矩阵中所有大于第三阈值σ1的响应值的平均值,max(responseZt)表示取所述第一标准矩阵中的最大值。
4.根据权利要求2所述的方法,其特征在于,所述根据所述置信度计算所述滤波器模型更新的学习率,包括:
通过如下公式计算所述学习率:
其中,η为滤波器模型更新的学习率,β1和β2为预设参数,且β1β2,σ2为第四阈值。
5.根据权利要求1所述的方法,其特征在于,所述多个特征包括方向梯度直方图特征及颜色直方图特征。
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云南大学,未经云南大学许可,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/201910431641.5/1.html,转载请声明来源钻瓜专利网。
- 上一篇:基于二维图像的三维手势姿态预测方法
- 下一篇:一种手指静脉图像匹配方法