[发明专利]一种基于多局部特征学习的快速实时判别型跟踪方法

摘要

本发明涉及一种基于多局部特征学习的快速实时判别型跟踪方法，包括：对视频进行单帧分解，通过与前期动作识别工作相结合或人工标记的方法，在初始帧中标记出要跟踪的目标，然后通过密集采样，在候选区域获得候选块，分别计算每个候选块的局部特征。然后基于循环矩阵和相关滤波器，在傅里叶域训练分类器，在位置检测阶段，同样在傅里叶域，使用检测公式计算当前帧中每个候选块与目标的相关性，选取相关性最高的区域作为当前帧目标的预测位置,最后在预测位置中选取与上一帧目标差异最小的位置检测结果作为当前帧最终的跟踪结果，使用新的目标特征进行新的分类器的训练。除初始帧外，其余帧的跟踪均为先进行位置的检测，后进行新的回归函数的训练。

主权项

一种基于多局部特征学习的快速实时判别型跟踪方法，其特征在于实现步骤如下：步骤1、读取视频，将视频分解成单个帧，在初始帧中，通过动作识别或人工标记的方法，将需要跟踪的目标用矩形框标记出来，得到矩形目标；步骤2、以步骤1得到的矩形目标为基准，向外扩展得到2倍的目标尺寸的区域作为候选区域；步骤3、设置尺寸与目标尺寸大小相同的子窗口模板，在候选区域，移动子窗口进行密集采样得到候选块，分别计算每个候选块的Haar‑like特征和HOG特征，从而得到整个候选区域的特征；步骤4、经密集采样得到的Haar‑like特征作为高维矢量，经压缩感知理论中的随机投影映射后，得到维数远小于原特征维数的低维特征，并且低维特征依旧能完整保存高维特征的信息，将投影后得到的低维特征作为训练和检测的输入；步骤5、根据步骤4得到的低维特征，进行训练，即根据训练样本和回归目标，利用核函数和循环矩阵的性质，在傅里叶域求解得到回归函数；步骤6、根据步骤5得到的回归函数，对后续的视频帧中进行目标的位置检测，在位置检测阶段，在新的视频帧中，以上一帧目标的位置为基准，向外扩展得到2倍的目标尺寸的区域作为候选区域，采用密集采样的方法，获取每个候选块的HOG特征和压缩后的Haar‑like特征，分别带入位置检测函数，取检测响应最大的区域作为目标的预测位置；步骤7、分别计算由Haar‑like特征和HOG特征得到的预测目标特征与上一帧目标特征的差异，选取与上一帧目标差异最小的位置检测结果作为当前帧最终的目标位置；步骤8、使用最终的目标位置向外扩展得到候选区域，重复步骤3至步骤5进行新的回归函数的训练，得到新的分类器，实现实时的目标跟踪。