[发明专利]基于极小化上界误差的视觉跟踪方法有效
| 申请号： | 201110021981.4 | 申请日： | 2011-01-19 |
| 公开（公告）号： | CN102054170A | 公开（公告）日： | 2011-05-11 |
| 发明（设计）人： | 卢汉清;王金桥;刘荣 | 申请（专利权）人： | 中国科学院自动化研究所 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06T7/20 |
| 代理公司： | 中科专利商标代理有限责任公司 11021 | 代理人： | 梁爱荣 |
| 地址： | 100190 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明是基于极小化上界误差的视觉跟踪方法，利用跟踪器估计目标在当前帧中的区域，所述目标区域包括目标位置与目标大小；以估计的目标区域为参照提取样本；对提取的样本抽取两类不同性质的视觉特征；利用抽取的各样本两类不同性质的视觉特征在线进行协同提升学习，并对跟踪器进行更新，在线协同提升学习中，利用两个并行的提升算法同时对两类不同性质的视觉特征进行选择，并在各级视觉特征选择中利用协同学习进行相互约束，在选择最佳的视觉特征提升跟踪器性能的同时利用协同学习配置最佳的样本属性。跟踪器在线学习不需要输入样本的标注信息，在跟踪结果不完全准确的情况下也不会带来累计误差，从而保证了跟踪器的稳定性与可靠性。 | ||
| 搜索关键词： | 基于 极小 上界 误差 视觉 跟踪 方法 | ||
【主权项】：
基于极小化上界误差的视觉跟踪方法，其特征在于，实现所述方法的步骤包括如下：步骤S1：利用跟踪器估计目标在当前帧中的区域，所述目标区域包括目标位置与目标大小；步骤S2：以估计的目标区域为参照提取样本；步骤S3：对提取的样本抽取两类不同性质的视觉特征；步骤S4：利用抽取的各样本两类不同性质的视觉特征在线进行协同提升学习，并对跟踪器进行更新，在线协同提升学习中，利用两个并行的提升算法同时对两类不同性质的视觉特征进行选择，并在各级视觉特征选择中利用协同学习进行相互约束，在选择最佳的视觉特征提升跟踪器性能的同时利用协同学习配置最佳的样本属性。
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中国科学院自动化研究所，未经中国科学院自动化研究所许可，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/patent/201110021981.4/，转载请声明来源钻瓜专利网。
- 上一篇：垂重吊挂带的辅助背挂结构
- 下一篇：具有增强冷却的用于涡轮发动机的燃烧器组件
