[发明专利]基于在线Fisher判别机制增强特征选择的目标跟踪方法

摘要

本发明公开了一种基于在线Fisher判别机制增强特征选择的目标跟踪方法。这是一种有效的外观模型，它通过高区分度的特征来处理视觉追踪目标的外观变化。Fisher判别增强特征选择机制能够选择出类内离散程度小，类间离散程度大的特征，从而增强区分目标和背景的能力。此外，本发明采用了粒子滤波结构进行目标追踪，候选粒子的权重体现了粒子周围的上下文信息，因此增强了追踪的鲁棒性。为了提高效率，本发明用了coarse‑to‑fine搜索机制来提高目标定位的效率和准确性，在CVPR2013跟踪基准测试库上进行了大量实验，在鲁棒性和精度上取得了良好的效果。

主权项

基于在线Fisher判别机制增强特征选择的目标跟踪方法，包括如下步骤：步骤1、输入第t帧图像；步骤2、在l_t‑1的位置处提取候选框的位置D^γ＝{p|||l_t(p)‑l_t‑1||＜γ}，l_t‑1是上一帧的目标位置，γ是搜索区域的半径，满足条件的l_t(p)构成当前帧的候选框，并且按照特征模板Γ提取特征；步骤3、运用coarse‑to‑fine搜索策略寻找局部分类器响应最大区域，并且记录最大置信值conf；步骤4、如果conf＜Θ，则转步骤5，否则转步骤6；步骤5、停止更新分类器参数和特征模板，进行轨迹校正；步骤6、通过求取分类器最大得分，寻找跟踪区域；步骤7、在l_t周围提取正负样本，正样本的区域是：D^α＝{p|||l_t(p)‑l_t||＜ζ}，负样本的区域是：D^α,β＝{p|α＜||l_t(p)‑l_t||＜β}，其中ζ＜α＜β；步骤8、更新特征模板和分类器参数；步骤9、输出当前帧目标跟踪位置l_t。