[发明专利]一种视频目标跟踪方法及装置有效
申请号: | 201610107637.X | 申请日: | 2016-02-26 |
公开(公告)号: | CN105787963B | 公开(公告)日: | 2019-04-16 |
发明(设计)人: | 郭运艳;房善华;解一豪;王本强;衣秀 | 申请(专利权)人: | 浪潮软件股份有限公司 |
主分类号: | G06T7/246 | 分类号: | G06T7/246 |
代理公司: | 济南信达专利事务所有限公司 37100 | 代理人: | 李世喆 |
地址: | 250100 山东*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明提供了一种视频目标跟踪方法及装置,该方法包括:首先确定上一帧中的目标模型以及确定当前帧中的候选模型;通过判断由候选模型所确定范围内的每一个像素点是否超过设定阈值,从而根据超过设定阈值的全部像素点来确定当前帧中的新候选模型;若目标模型和新候选模型的相似度未达到阈值,说明目标对象跟踪失败,则以该新候选模型为基础来确定另一个候选模型,如此循环,直至在当前帧中成功跟踪到目标对象。本方案以候选模型为基础来确定合适的新候选模型,并根据新候选模型与目标模型的相似性以确定是否跟踪到目标对象,而非直接对候选模型与目标模型进行相似性判断。因此,本方案能够提高视频目标跟踪的准确度。 | ||
搜索关键词: | 一种 视频 目标 跟踪 方法 装置 | ||
【主权项】:
1.一种视频目标跟踪方法,其特征在于,预先确定上一帧中的目标模型,还包括:S1:确定当前帧中的当前候选模型;S2:根据由所述当前候选模型所确定的当前范围,分别判断所述当前范围内的每一个第一像素点的取值是否超过预先设定的第一阈值,若是,则确定所述第一像素点为第二像素点;S3:根据全部所述第二像素点,确定所述当前帧中的下一个候选模型;S4:判断所述目标模型和所述下一个候选模型的相似度是否超过预先设定的第二阈值,若是,则执行下一帧的目标跟踪操作,否则,将所述下一个候选模型确定为所述当前候选模型,并执行S1;所述第一像素点的取值,包括:所述第一像素点的匹配权值wi,wi为候选模型区域范围内每一个像素点的匹配权值,i为每一个像素点,其中i=1...nh,n为候选模型区域范围内的像素点的个数,h为计算目标模型和候选模型的概率密度函数时使用的核函数k(x)的带宽,nh为带宽h范围内的像素点的个数,y0为目标模型的中心坐标,pu为候选模型的颜色分布,qu为目标模型的颜色分布,u为用于表示模板颜色分布的m阶直方图的阶数,且u=1...m,xj为每一个像素点在目标模板中的归一化位置,其中j=1...n,b(xj)为位置xj处的像素颜色,δ(a)是Delta函数,且所述根据全部所述第二像素点,确定所述当前帧中的下一个候选模型,包括:将全部所述第二像素点的位置信息以密度分布函数Area进行表示;通过所述密度分布函数Area的一阶矩特征确定候选中心位置,以及通过所述密度分布函数Area的二阶矩特征确定候选大小;根据所述候选中心位置和所述候选大小,确定所述当前帧中的下一个候选模型,其中,Area为候选模型区域范围内像素点权值面积,e为常数,ρ为巴氏系数;其特征在于,所述判断所述目标模型和所述下一个候选模型的相似度是否超过预先设定的第二阈值,包括:计算所述目标模型和所述下一个候选模型的巴氏系数ρ(y),并判断其是否超过预先设定的第二阈值,其中,其中,ρ(y)为目标模型和候选模型的巴氏系数,y为候选模型的中心坐标,Ch为y处第u个特征值的系数,k(x)为核函数;在S3之前,进一步包括:分别将所述当前范围扩大和缩小10%后的范围确定为第一范围和第二范围;分别判断所述第一范围内的每一个第三像素点的取值是否超过所述第一阈值,若是,则标记为必需像素点,否则,标记为非必需像素点;分别计算所述第一范围的必需像素点的第一占有率、所述第二范围的必需像素点的第二占有率和所述当前范围的必需像素点的第三占有率,其中,必需像素点的占有率=必需像素点的个数/(必需像素点的个数+非必需像素点的个数)×100%;确定所述第一占有率、所述第二占有率和所述第三占有率中的满足预先设定的阈值范围的最大值;所述S3,包括:根据与所述最大值相对应范围内的全部必需像素点,确定所述当前帧中的下一个候选模型。
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浪潮软件股份有限公司,未经浪潮软件股份有限公司许可,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/201610107637.X/,转载请声明来源钻瓜专利网。