[发明专利]一种基于Mean-shift模型优化的TLD目标跟踪方法及其装置在审
| 申请号： | 201610150074.2 | 申请日： | 2016-03-16 |
| 公开（公告）号： | CN105825525A | 公开（公告）日： | 2016-08-03 |
| 发明（设计）人： | 孟思明;罗笑南 | 申请（专利权）人： | 中山大学 |
| 主分类号： | G06T7/20 | 分类号： | G06T7/20 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 510006 广东省广州市番禺*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例公开了一种基于Mean‑shift模型优化的TLD目标跟踪方法及其装置，其中，该方法包括：标记第一帧所要的跟踪目标，并对选中区域的灰度颜色进行均匀划分，得到相同区间构成的灰度直方图，并获得目标模型；在第t帧的跟踪时，根据第t‑1帧的目标中心位置f0，并以f0为搜索窗口中心，得到的候选目标中心位置坐标为f，并获得候选模型；对目标模型和候选模型进行相似度计算，获得相似度结果；根据相似度结果对目标模型候选进行迭代计算，获得新的目标区域。在本发明实施例中，过将Mean‑shift算法跟踪得到的目标区域与TLD模型跟踪器得到的目标区域进行融合，最终使得跟踪模型在形态旋转及部分遮掩时依然具有较好的跟踪效果，可以提高跟踪器的跟踪效果，并提高模型的抗遮掩能力以及对相似目标的辨别能力。 | ||
| 搜索关键词： | 一种 基于 mean shift 模型 优化 tld 目标 跟踪 方法 及其 装置 | ||
【主权项】：
一种基于Mean‑shift模型优化的TLD目标跟踪方法，其特征在于，所述方法包括：标记第一帧所要的跟踪目标，并对选中区域的灰度颜色进行均匀划分，得到相同区间构成的灰度直方图，并获得目标模型；在第t帧的跟踪时，根据第t‑1帧的目标中心位置f0，并以f0为搜索窗口中心，得到的候选目标中心位置坐标为f，并获得候选模型；对目标模型和候选模型进行相似度计算，获得相似度结果；根据相似度结果对目标模型候选进行迭代计算，获得新的目标区域。
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山大学，未经中山大学许可，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/201610150074.2/，转载请声明来源钻瓜专利网。
