[發(fā)明專利]一種基于軟分配BoF的目標(biāo)跟蹤方法

有效

• 申請?zhí)枺?/td>: 201410141636.8
• 申請日: 2014-04-09
• 公開（公告）號: CN103902982B
• 公開（公告）日: 2017-02-15
• 發(fā)明（設(shè)計(jì)）人: 貝佳;任桐煒;趙志宏;仇眾演;于桐;任重遠(yuǎn)
• 申請（專利權(quán)）人: 南京大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 江蘇銀創(chuàng)律師事務(wù)所32242
• 代理人: 孫計(jì)良

1.一種基于軟分配BoF的目標(biāo)跟蹤方法，包括以下步驟：

S1：以參照幀中的跟蹤目標(biāo)為輸入為每一種局部特征構(gòu)建codebook；

S2：根據(jù)codebook和對參照幀中的跟蹤目標(biāo)進(jìn)行patch局部特征的采樣構(gòu)建BoF表示，得到參照幀中跟蹤目標(biāo)的BoF表示；

S3：根據(jù)codebook和對待跟蹤幀中的各候選目標(biāo)進(jìn)行patch局部特征的采樣構(gòu)建BoF表示，得到待跟蹤幀中各候選目標(biāo)的BoF表示；

S4：通過對比待跟蹤幀中各候選目標(biāo)的BoF表示和參照幀中跟蹤目標(biāo)的BoF表示之間的相似度，選取最相似的候選目標(biāo)作為跟蹤結(jié)果；

其中，所述步驟S1包括以下步驟：

S11：在參照幀內(nèi)對跟蹤目標(biāo)進(jìn)行patch采樣，并提取各patch的各種局部特征；

S12：采用聚類算法對各patch的每一種局部特征進(jìn)行聚類；使用codeword表示所得的聚類中心；每一種局部特征得到的多個(gè)codeword組成該局部特征的codebook；

其特征在于，

所述步驟S2和S3中所述構(gòu)建BoF表示包括以下步驟：

B1：對輸入目標(biāo)進(jìn)行patch采樣，并提取輸入目標(biāo)的各patch的各種局部特征；

B2：將輸入目標(biāo)的各patch的每一種局部特征分配到多個(gè)codeword；

B3：計(jì)算輸入目標(biāo)的各patch的每一種局部特征與各codeword的權(quán)重得到權(quán)重向量ωfk,it=[ω(fk,it,ck,1),ω(fk,it,ck,2),...,ω(fk,it,ck,NC)];]]>

B4：累加輸入目標(biāo)中包含的各patch權(quán)重向量得到輸入目標(biāo)在每一個(gè)局部特征上的加權(quán)和直方圖并生成直方圖向量作為輸入目標(biāo)的BoF表示；

其中，所述輸入目標(biāo)為參照幀中的跟蹤目標(biāo)或待跟蹤幀中的候選目標(biāo)；

所述為輸入目標(biāo)的第i個(gè)patch的第k個(gè)局部特征；

所述c_k,j為第k個(gè)局部特征對應(yīng)codebook中的第i個(gè)codeword；

所述權(quán)重為局部特征與cordword?c_k,j的相似系數(shù)；

所述權(quán)重向量為局部特征的N_C維權(quán)重向量，其中N_C為codebook中codeword的數(shù)量；

所述加權(quán)和直方圖為輸入目標(biāo)T^t在第k個(gè)局部特征上的加權(quán)和直方圖，T^t表示輸入目標(biāo)；hTt,k=[Σi=1NPω(fk,it,ck,1),Σi=1NPω(fk,it,ck,2),...,Σi=1NPω(fk,it,ck,NC)];]]>其中N_P是輸入目標(biāo)中包含patch的數(shù)量；

所述加權(quán)和直方圖向量為輸入目標(biāo)的N_f維加權(quán)和直方圖向量，其中N_f為局部特征的數(shù)量。