[發明專利]目標跟蹤分類器在線訓練樣本的超像素中智相似加權方法有效
| 申請號： | 201811547139.2 | 申請日： | 2018-12-18 |
| 公開（公告）號： | CN109711445B | 公開（公告）日： | 2020-10-16 |
| 發明（設計）人： | 胡珂立;沈士根;葉軍;趙利平;樊長興;彭華;葉曉彤;范恩 | 申請（專利權）人： | 紹興文理學院 |
| 主分類號： | G06K9/62 | 分類號： | G06K9/62 |
| 代理公司： | 紹興市寅越專利代理事務所(普通合伙) 33285 | 代理人： | 周正輝 |
| 地址： | 312000 *** | 國省代碼： | 浙江;33 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 目標 跟蹤 分類 在線 訓練 樣本 像素 相似 加權 方法 | ||
1.一種目標跟蹤分類器在線訓練樣本的超像素中智相似加權方法，其特征在于，包括如下步驟：
S100：讀取視頻幀，依據初始目標位置提取樣本，初始化目標跟蹤分類器；
S200：讀取視頻新幀，確定目標位置，計算相應超像素圖像；
S300：基于相交區域進行超像素中智隸屬度、不確定性度和非隸屬度量測；
S400：基于區域形狀距離進行超像素中智隸屬度、不確定性度和非隸屬度量測；
S500：根據步驟S300和步驟S400的結果計算超像素類目標置信向量；
S600：在該視頻中提取訓練樣本，根據所述超像素類目標置信向量計算樣本中智權值；
S700：根據所述樣本中智權值，利用加權樣本更新目標跟蹤分類器。
2.根據權利要求1所述的一種目標跟蹤分類器在線訓練樣本的超像素中智相似加權方法，其特征在于，所述步驟S700之后，還包括如下步驟：
判斷是否所有幀均讀取完畢，如果是，則結束退出，否則返回步驟S200。
3.根據權利要求1所述的一種目標跟蹤分類器在線訓練樣本的超像素中智相似加權方法，其特征在于，所述步驟S300中，基于相交區域進行超像素中智隸屬度、不確定性度和非隸屬度量測，包括根據如下公式量測所述超像素中智隸屬度、不確定性度和非隸屬度：
FA(i)＝1-TA(i)
其中，TA(i)、IA(i)和FA(i)分別為當前幀第i個超像素基于相交區域條件的中智隸屬度、不確定性度和非隸屬度的量測值，A(i)為第i個超像素區域的面積，Ao為當前目標跟蹤框區域的面積，Ain(i)為第i個超像素區域和目標跟蹤框區域相交的面積，此處所述面積均以圖像像素個數為單位。
4.根據權利要求1所述的一種目標跟蹤分類器在線訓練樣本的超像素中智相似加權方法，其特征在于，所述步驟S400中，基于區域形狀距離進行超像素中智隸屬度、不確定性度和非隸屬度量測，包括根據如下公式量測所述超像素中智隸屬度、不確定性度和非隸屬度：
FS(i)＝1-TS(i)
其中，TS(i)、IS(i)和FS(i)分別為當前幀第i個超像素基于區域形狀距離條件的中智隸屬度、不確定性度和非隸屬度的量測值，ws、hs分別為超像素區域外接矩形框的寬和高，wo、ho分別為當前目標跟蹤框的寬和高，xs、xo分別為超像素區域的質心坐標和目標跟蹤框的幾何中心坐標，D為目標跟蹤框的對角線長度的一半，此處所述寬、高和坐標均以圖像像素為單位；
其中，函數f(x)定義為：
其中，erfc(x)為互補誤差函數。
5.根據權利要求1所述的一種目標跟蹤分類器在線訓練樣本的超像素中智相似加權方法，其特征在于，所述步驟S500中，根據如下公式計算所述超像素類目標置信向量：
其中，Hi為第i個超像素對應的類目標置信值，α為門限值，在0到1范圍內，ll(i)為第i個超像素的中智可信度量，其根據如下公式計算得到：
其中，weA和weS在0到1范圍內，且二者之和為1，TA(i)、IA(i)和FA(i)分別為當前幀第i個超像素基于相交區域條件的中智隸屬度、不確定性度和非隸屬度的量測值，TS(i)、IS(i)和FS(i)分別為當前幀第i個超像素基于區域形狀距離條件的中智隸屬度、不確定性度和非隸屬度的量測值。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于紹興文理學院，未經紹興文理學院許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201811547139.2/1.html，轉載請聲明來源鉆瓜專利網。
