[發明專利]一種視覺目標跟蹤方法及裝置

有效

• 申請號: 201611151489.8
• 申請日: 2016-12-13
• 公開（公告）號: CN106650805B
• 公開（公告）日: 2019-07-30
• 發明（設計）人: 尹英杰;王欣剛;徐德
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 鐘文芳

1.一種視覺目標跟蹤方法，其特征在于，該方法包括步驟如下：

步驟S1：離線訓練預定目標的檢測器

步驟S2：采用所述檢測器檢測第i-1幀圖像中的所述預定目標，其中i為大于等于1的正整數；

步驟S3：在線學習跟蹤器判別模型；

步驟S4：采用所述跟蹤器判別模型跟蹤第i幀圖像中的所述預定目標；

步驟S5：通過所述檢測器判斷所述跟蹤器判別模型跟蹤所述預定目標是否成功；

步驟S6：若所述跟蹤器判別模型跟蹤所述預定目標成功，則存儲所述跟蹤器判別模型跟蹤得到的所述預定目標的特征向量及跟蹤得到的目標圖像，并在線學習跟蹤器判別模型，轉步驟S7；否則，i＝i+1，轉步驟S2重新檢測所述預定目標并重新在線學習所述跟蹤器判別模型；

步驟S7：通過基于密度峰值的方法在線挖掘正支持向量，并對跟蹤器進行在線修正，i＝i+1，然后跳轉到步驟S4。

2.如權利要求1所述的方法，其特征在于，步驟S1包括以下步驟：

步驟S11：計算正負樣本圖像的梯度方向直方圖特征，生成正樣本圖像和負樣本圖像的特征向量；包括：

步驟S11A：將正樣本圖像通過雙線性差值方法歸一化為固定大小w_s×h_s，其中w_s為歸一化正樣本圖像的寬，h_s為歸一化正樣本圖像的高；

步驟S11B：將歸一化的正樣本圖像劃分為N_c1×N_c2個細胞單元C_ij，1＜i＜N_c1，1＜j＜N_c2；每個細胞單元大小為k×k，其中k＝w_s/N_c1＝h_s/N_c2；

步驟S11C：在每個細胞單元C_ij中對梯度方向進行獨立統計，以梯度方向為橫軸的直方圖，然后將這個梯度分布平均分成多個無符號方向角度，每個方向角度范圍對應方向角度范圍的梯度幅值累積值，將多個梯度幅值累積值組成多個維特征向量V_ij，然后通過4個歸一化系數對V_ij進行歸一化，進而得到細胞單元C_ij對應的特征向量F_ij；

步驟S11D：將歸一化正樣本圖像中所有細胞單元的梯度方向直方圖特征向量F_ij串聯構成正樣本圖像的特征向量V_P；

步驟S11E：采用與步驟S11A至步驟S11D相同的方式計算大小為w_s×h_s的負樣本圖像的特征向量V_F；

步驟S12：采用隨機梯度下降法訓練檢測分類器；

其中，檢測分類器采用的是線性支持向量機分類器，其優化目標函數為：

其中為SVM的參數向量，w為權重向量，b為偏移量，y_i∈{-1，+1}為樣本的類別標簽，其中x為正樣本圖像或負樣本圖像的特征向量；其中為檢測分類器的判別函數。

3.如權利要求1所述的方法，其特征在于，步驟S2包括以下步驟：

步驟S21：根據所述第i-1幀圖像生成圖像金子塔；

步驟S22：將每幅所述圖像金字塔劃分為多個細胞單元，然后通過梯度直方圖統計方法獲取每個細胞單元的特征向量，生成圖像特征金字塔；

步驟S23：在圖像特征金字塔中，利用所述檢測器采用滑動窗口的方式檢測所述預定目標。