[发明专利]多视角专家组的区域建议预测的视觉跟踪方法及系统

说明书

本发明公开了多视角专家组的区域建议预测的视觉跟踪方法及系统，包括：获取待跟踪视频；其中，待跟踪视频中第一帧图像中设有待跟踪对象的目标区域框和待跟踪对象目标区域周围两倍大的区域框；基于第一帧图像的区域框，对分类器进行训练，得到训练后的分类器；基于多专家模型，对待跟踪视频的第i帧图像进行特征提取，得到最优特征；其中，i的取值范围为2～N；N为正整数；将最优特征输入到训练后的分类器中，输出得到一个粗略的正样本候选框；基于粗略的正样本候选框，得到最优候选框。以桥接区域建议网络预测学习跟踪器和多视角多专家修复方案，从而可以协同的提高其跟踪性能。

技术领域

本发明涉及视觉跟踪技术领域，特别是涉及多视角专家组的区域建议预测的视觉跟踪方法及系统。

背景技术

本部分的陈述仅仅是提到了与本发明相关的背景技术，并不必然构成现有技术。

视觉跟踪是在第一个视频帧中给定带有边框标记的初始目标，在后续视频帧中定位目标。视觉跟踪一直是计算机视觉领域的热门研究课题，在视频监控、视频检索、体育视频分析等方面有着广泛的应用。由于目标跟踪存在几项有独特特性的问题而被深入研究，例如:跟踪过程中由于物体的剧烈形变、物体旋转、严重遮挡以及视频帧的光照变化等原因造成的跟踪不稳定，还有跟踪过程中能够获取的正样本数量有限问题。

现有的视觉跟踪器大多由三个部分组成:特征表示(外观模型)、模型更新器和集成后处理器。在这三个组件中，“特征表示器”和“模型更新器”是两个重要的组件，它们在目标跟踪中起着关键作用，但却面临着以下挑战:1)判别特征表示缺乏多样性：2)目标定位过于模糊3)正样本的数量。

最近，许多研究人员广泛的使用综合基准来评估在线跟踪算法的有效性。其中，多专家模型(MEEM，Multiple Experts using Entropy Minimization)采用熵极小化跟踪器，并建立了一个过去的快照专家数据库，通过这个专家数据库可以对目标进行识别，以减少其模糊度的程度。MEEM提出了一种潜在机制来修正跟踪过程中之前帧跟踪的错误。然而，它的跟踪性能很大程度上受到以上三个问题的制约。

发明内容

为了解决现有技术的不足，本发明提供了多视角专家组的区域建议预测的视觉跟踪方法及系统；

第一方面，本发明提供了多视角专家组的区域建议预测的视觉跟踪方法；

多视角专家组的区域建议预测的视觉跟踪方法，包括：

获取待跟踪视频；其中，待跟踪视频中第一帧图像中设有待跟踪对象的目标区域框和待跟踪对象目标区域周围两倍大的区域框；

基于第一帧图像的区域框，对分类器进行训练，得到训练后的分类器；

基于多专家模型，对待跟踪视频的第i帧图像进行特征提取，得到最优特征；其中，i的取值范围为2～N；N为正整数；将最优特征输入到训练后的分类器中，输出得到一个粗略的正样本候选框；基于粗略的正样本候选框，得到最优候选框。

第二方面，本发明提供了多视角专家组的区域建议预测的视觉跟踪系统；

多视角专家组的区域建议预测的视觉跟踪系统，包括：

获取模块，其被配置为：获取待跟踪视频；其中，待跟踪视频中第一帧图像中设有待跟踪对象的目标区域框和待跟踪对象目标区域周围两倍大的区域框；

训练模块，其被配置为：基于第一帧图像的区域框，对分类器进行训练，得到训练后的分类器；

特征提取模块，其被配置为：基于多专家模型，对待跟踪视频的第i帧图像进行特征提取，得到最优特征；其中，i的取值范围为2～N；N为正整数；将最优特征输入到训练后的分类器中，输出得到一个粗略的正样本候选框；基于粗略的正样本候选框，得到最优候选框。

第三方面，本发明还提供了一种电子设备，包括：