[发明专利]利用两层级联的Boosting分类算法实现视频目标跟踪的方法

说明书

本发明公开了一种利用两层级联的Boosting分类算法实现视频目标跟踪的方法，该方法包括：图像的预处理，获取目标样本与目标区域中的图像块；通过滤波器提取特征，得到正负样本的特征值；包含在线特征选择和权重训练的两层Boosting级联算法；分类器检测的目标跟踪等步骤。本发明使用多个滤波器对图像块提取特征，更为精细地表达出图像块的特征，解决了使用类Haar特征构造模板单一，丢失图像色彩和纹理细节的问题；另外，使用两层级联的结构，对滤波器类型和图像块位置分别进行选择，使所选择的特征更加适用于跟踪任务。

技术领域

本发明属于图像处理技术领域，涉及一种利用两层级联的Boosting分类算法实现视频目标跟踪的方法。

背景技术

基于视频的目标跟踪技术是计算机视觉和图像处理领域众多学者关注的一个经典问题。随着计算机存储、网络通信以及图像处理等技术飞速发展，视频跟踪技术也有了长足的进步。

设计稳定高效的目标跟踪算法是极具挑战性的，困难主要来源于应用中背景复杂、目标遮挡、以及目标变形与旋转等因素的影响。目前流行的算法主要分为生成和判别两大类方法。生成方法以跟踪目标作为特征来构造一个模板，不同算法的构造过程各有差异，在跟踪过程中匹配候选样本，匹配程度最高的区域即为目标区域。判别方法通过训练分类器来判别候选样本为正样本的概率，概率最高的区域即目标。

1、Zhang,K.,L.Zhang,and M.-H.Yang,Real-time compressive tracking,inComputer Vision–ECCV 2012.2012,Springer.p.864-877.

CT(Compressive Tracker)跟踪算法，选用Haar特征(仅对矩形区域做灰度值积分)作为提取特征的方法。同时它使用正负样本来训练贝叶斯分类器并用该分类器判别候选样本。

2、Grabner,H.and H.Bischof.On-line boosting and vision.in ComputerVision and Pattern Recognition,2006IEEE Computer Society Conferenceon.2006.IEEE.

OAB(Online Adaptive Boosting)跟踪算法，同样选用了Haar特征作为提取特征的方法。同时它使用正负样本训练多个弱分类器，以弱分类器的分类效果为参考选择合适的若干个图像块所对应的弱分类器，线性组合成一个强分类器，并用该强分类器来判别候选样本。但是该算法只是在图像块的维度上作了Boosting。

3、Krizhevsky A,Sutskever I,Hinton G E.ImageNet Classification withDeep Convolutional Neural Networks[J].Advances in Neural InformationProcessing Systems,2012,25:2012.

基于深度卷积神经网络的图像分类算法，通过构造多层级联的神经网络，实现对图像内容的1000分类。深度卷积神经网络的第一层卷积核大小为11x11,通过大量标注图片训练得到，反应了图像中的基本结构。

发明内容