[发明专利]一种基于多方法融合的目标跟踪算法

摘要

本发明属于计算机视觉领域，尤其涉及一种基于多方法融合的目标跟踪算法。本发明使用集成学习的理论，能够将众多的跟踪算法级联成一个强跟踪器，同时吸收各跟踪算法的优点，从而能够应对目标跟踪的各种应用场景。在多算法融合过程中，主要是通过计算候选框的吸引力a来度量候选框与目标的距离。并提前给不同的算法按照某种规则进行权重赋值，然后根据其在融合算法中的表现动态剔除表现差的跟踪算法，最后使用并行技术来提高融合算法的时间性能。本发明可以提高目标跟踪的精度，且提供了一种宽泛的跟踪算法融合框架。

主权项

1.一种基于多方法融合的目标跟踪算法，其特征在于，包含以下步骤：步骤1，选取第t帧目标跟踪的候选样本框，在i‑1帧的跟踪结果周围，使用窗口滑动采样获得候选样本框；步骤2，多进程执行M个跟踪算法，将不同的跟踪算法分发给计算机不同的进程，获得M个跟踪算法产生的结果：Ri＝{bi，1...bi，M}；步骤3，计算每个跟踪算法在跟踪过程中的得分，将得分低的跟踪算法从当前的融合框架中移除，实现算法融合的淘汰选择机制；对于算法j，其在第N帧的得分的计算如下所示：算法j的得分sj是通过计算其前N帧跟踪结果bi，j，i∈[1，...，N]的吸引力和；在图像的第i帧，融合框架由M个跟踪算法组成，按照(1)计算其各自得分sj，j∈[1，...，M]；对这M个得分从高到低排序，将得分低的K个跟踪算法从融合框架中去除，步骤4再对剩下的跟踪算法进行融合得到最终的跟踪结果；步骤4，计算每一候选框e在第i帧的吸引力ai(e)；对于每一个候选矩形框，首先定义一个参数，叫做吸引力a；候选框和目标的真实位置越近，那么此候选框的吸引力越强；在介绍吸引力a的计算方式之前，先介绍两个矩形框的距离计算方式，不失一般性，用b和c代表两个矩形框：其中下标x，y，w和h分别代表矩形框的左上角横纵坐标、宽度和高度；是一个常量，用来控制跟踪结果尺度变化给距离计算带来的影响；如果从始至终，代表跟踪结果的矩形框大小保持不变的情况下：c_w＝b_w，c_h＝b_h，将失去作用，公式(2)可以简化为：对于候选框e在第i帧的吸引力ai(e)定义为：σ在这里是一个常量，用来控制距离对吸引力的影响程度，防止出现因为距离过小导致影响力过大的情况，因此σ在本文提出的融合算法中影响很大，需要大量实验才能确定最终取值；不同的跟踪算法性能差异巨大，基于这个事实，式(4)中对各跟踪算法赋予了不同的权值wj；通过计算不同算法在所有数据集上的结果和标定的真实结果之间的距离来确定各算法的权重：其中g_i^v代表在数据集v上第i帧的标定结果；代表第j个算法在数据集v上的第i帧跟踪结果；步骤5，在所有的候选框中，使用梯度下降的思想找出吸引力值最大的候选框作为当前的跟踪结果