[发明专利]基于机器学习的视频物体跟踪方法

摘要

基于机器学习的视频物体跟踪方法，用物体检测方式或者人眼手动标定的方式标定物的属性；跟踪物体选择，其中物体为视频序列中的一切物体；对视频序列采取直方图均衡化处理和去噪处理；将获得的物体模板信息参数传递给跟踪模板，进行模板匹配的跟踪，之后利用不同的预测方式对运动的物体位置进行预测；基于模板匹配的属性(预测则用Kalman和Camshift两种预测方式来预测；跟踪方式中两种预测的权重D选择贝叶斯决策来进行纠正；获取物体的真实属性S检测。

主权项

1.基于机器学习的视频物体跟踪方法，用物体检测方式或者人眼手动标定的方式标定物的属性；跟踪物体选择，其中物体为视频序列中的一切物体；对视频序列采取直方图均衡化处理和去噪处理；将获得的物体模板信息参数传递给跟踪模板，进行模板匹配的跟踪，之后利用不同的预测方式对运动的物体位置进行预测；基于模板匹配的属性的预测用Kalman和Camshift两种预测方式来预测；跟踪方式中两种预测的权重D选择用机器学习算法中的计算后验概率的方式即贝叶斯决策来进行纠正；在跟踪物体的同时用低帧率的方式对物体进行检测，获取物体的真实属性S检测；衡量模板匹配的方式有欧式距离、马氏距离、相关系数；在机器学习算法中的计算后验概率的方式中有检测时序和跟踪时序两条时序同时进行，其中检测时序的优先级高于跟踪时序，用检测时序纠正跟踪时序的累计误差；在利用模板匹配进行匹配时候，利用当前帧匹配后模板和检测到的模板更新后帧匹配的模板参数；用视频采集器对所需跟踪人脸进行采集，然后用人脸分类器对图片中的人脸进行检测并且记录检测到的人脸框位置X检测，Y检测和像素I检测；将这些参数初始化Kalman和Camshift滤波器，在下一帧Kalman会预测出人脸可能出现位置Xk、Yk,同样Camshift也会预测出人脸可能出现位置Xc、Yc，如果人脸分类器能检测到人脸那么也会出现检测到的值X检测，Y检测这样就能算出哪种预测更加符合检测值，那么就加大这种预测方法的权重，这样在用模板匹配的时候减少匹配时间；计算权重的方法用到了机器学习的贝叶斯决策，也就是算出预测方式的后验概率；贝叶斯公式如下：其公式表示：通过先验概率P(wi)、概率密度函数P(xIwi)以及证据因子p(x)能求出后验概率p(wiIx)；根据公式算出后验概率分别如下：pk＝Bk(Xk，Yk，Xc，Yc，X检测，Y检测)pc＝Bc(Xk，Yk，Xc，Yc，X检测，Y检测)其中Bk和Bc是后验概率的映射函数，根据属性的不同计算后验概率的方法不同，由于X、Y表示坐标，那么后验概率能用距离远近来衡量；最后得出的结果如下:获得后验概率以后根据后验概率能算出两种方式所占的权重Dk和Dc；那么最终的预测位置坐标为：X＝DkXk+DcXcY＝DkYk+DkYk。