[發明專利]基于在線初始化梯度增強回歸樹的目標跟蹤方法及系統

有效

• 申請號: 201310130189.1
• 申請日: 2013-04-15
• 公開（公告）號: CN103226835A
• 公開（公告）日: 2013-07-31
• 發明（設計）人: 劉宏;梁子琳;丁潤偉
• 申請（專利權）人: 北京大學深圳研究生院
• 主分類號: G06T7/20
• 分類號: G06T7/20
• 代理公司: 北京君尚知識產權代理事務所(普通合伙) 11200
• 代理人: 余長江

1.一種基于在線初始化梯度增強回歸樹的目標跟蹤方法，其步驟為：

1）在視頻序列中選擇跟蹤目標，提取類Haar特征的正負樣本；

2）根據所述正負樣本隨機建立在線隨機森林分類器得到訓練殘差；

3）將所述訓練殘差作為在線梯度增強回歸樹分類器的訓練樣本進行訓練修正，建立目標模型；

4）從下一幀視頻圖像獲取圖像置信圖，目標窗口根據所述目標模型確定置信值最大的位置，完成跟蹤。

2.如權利要求1所述的基于在線初始化梯度增強回歸樹的目標跟蹤方法，其特征在于，所述目標跟蹤方法還包括：輸出置信值最大的位置后更新所述在線分類器。

3.如權利要求1所述的基于在線初始化梯度增強回歸樹的目標跟蹤方法，其特征在于，在目標窗口內提取類Haar特征為所述正樣本，目標窗口外兩倍目標大小的類Haar特征為所述負樣本。

4.如權利要求1所述的基于在線初始化梯度增強回歸樹的目標跟蹤方法，其特征在于，所述在線隨機森林分類器在訓練每棵樹時，從全部訓練樣本中任意選取一個子集進行訓練，并評估其他未被選中的子集數據的隨機森林數泛化誤差，通過所述泛化誤差決定是否構建新樹。

5.如權利要求1所述的基于在線初始化梯度增強回歸樹的目標跟蹤方法，其特征在于，所述在線隨機森林分類器在每個節點隨機選取所有樣本的一個子集，計算隨機森林中的決策樹的節點的分裂函數。

6.如權利要求1所述的基于在線初始化梯度增強回歸樹的目標跟蹤方法，其特征在于，所述在線梯度增強回歸樹分類器在殘差減少的梯度方向上建立一新目標模型。

7.如權利要求6所述的基于在線初始化梯度增強回歸樹的目標跟蹤方法，其特征在于，當所述梯度增強回歸樹小于一閾值，則在線構造新樹。

8.如權利要求7所述的基于在線初始化梯度增強回歸樹的目標跟蹤方法，其特征在于，在構造目標模型過程中，當樣本數大于閾值時，進行殘差的更新，并作為新的梯度增強回歸樹的輸入。

9.一種基于在線初始化梯度增強回歸樹的目標跟蹤系統，其特征在于，包括：視頻輸入端、跟蹤目標輸出端以及在線訓練分類器，

所述視頻輸入端，包括可獲取RGB圖像的攝像設備；

所述跟蹤目標輸出端，輸出選定的跟蹤目標在圖像中的位置；

所述在線訓練分類器，1）在視頻序列中選擇跟蹤目標，提取類Haar特征的正負樣本；

2）根據所述正負樣本隨機建立在線隨機森林分類器得到訓練殘差；3）將所述訓練殘差作為在線梯度增強回歸樹分類器的訓練樣本進行訓練修正，建立目標模型；4）從下一幀視頻圖像獲取圖像置信圖，目標窗口根據所述目標模型確定置信值最大的位置，完成跟蹤。

10.如權利要求9所述的基于在線初始化梯度增強回歸樹的目標跟蹤系統，其特征在于，輸出置信值最大的位置后更新所述在線訓練分類器。