[发明专利]一种基于在线学习的实时目标跟踪方法

说明书

技术领域

本发明涉及一种目标跟踪方法，特别是一种基于在线学习的实时目标跟踪方法。

背景技术

近年来，为了解决目标跟踪问题，很多学者将目标分类方法应用于目标跟踪。此类方法将目标跟踪看做二分类问题，通过训练分类器将目标和背景分离。例如支持向量机，即Support vector machine,SVM与光流法结合，用于跟踪车辆目标。该方法需要在跟踪前搜集大量的车辆样本和非车辆样本训练支持向量机，并在每一帧图像结合光流法获取目标的精确位置，该方法的难点在于大量正负样本的形成和训练。还有类似的方法利用结构输出支持向量机对目标跟踪问题进行建模，通过对目标的运动状态分类直接预测目标位置，取得了较好的跟踪效果，但是由于支持向量机的训练和更新计算复杂，因此计算效率较低。

发明内容

本发明目的在于提供一种基于在线学习的实时目标跟踪方法，解决传统分类方法进行目标跟踪样本构造困难、分类器误差大、分类器在线更新与穷举搜索定位计算量大的问题。

一种基于在线学习的实时目标跟踪方法的具体步骤为：

第一步 构建基于在线学习的实时目标跟踪系统

基于在线学习的实时目标跟踪系统，包括：视频采集模块、ELM分类器初始化训练模块、目标跟踪模块、分类器更新模块和视频存储模块。

视频采集模块的功能为：读取硬盘中多种格式的视频，读取USB接口摄像头实时视频数据。

ELM分类器初始化训练模块的功能为：完成初始训练样本的生成与特征提取，利用最小二乘法进行网络参数计算，构建ELM分类器。

目标跟踪模块的功能为：依据粒子滤波采样原理生成候选目标，利用ELM分类器确定候选目标的置信度，按照粒子滤波后验概率分布定位目标。

分类器更新模块的功能为：新样本的生成与特征提取，按照在线学习方式更新ELM分类器。

视频存储模块的功能为：采用视频压缩算法实现摄像头实时视频的压缩与存储，压缩算法采用H.264、Mpeg或JPEG2000中的一种。

第二步 视频采集模块读取图像数据

视频采集模块从摄像头或者硬盘中存取的视频中获取视频流数据，并将视频流分解为一帧一帧的图像。初始化阶段，由人工指定目标。

第三步 ELM分类器初始化训练模块形成初始ELM分类器

ELM分类器初始化训练模块在指定得到目标周围采集征服训练样本，同时提取样本特征，依据单隐层神经网络的训练方式计算ELM分类器的网络参数，形成初始ELM分类器。

即获得的训练集为：Ω₀＝{(x_i,y_i)},1≤i≤N_p+N_n，其中N_p代表正样本的数量，N_n代表负样本的数量(N_p≈N_n)；然后根据ELM的训练过程完成ELM网络的训练，即计算输出层的输出权重β，形成初始ELM分类器。用公式(1)表示：

其中，N为样本数，x_i＝[x_i1,x_i2,…,x_id]^T∈R^d表示第i个训练样本，y_i＝[y_i1,y_i2,…,y_im]^T∈R^m表示第i个训练样本对应的期望值。L为隐层节点数，w_l∈R^d表示输入层和第l个隐层节点的连接权重向量，β_l∈R^m表示第l个隐层节点和输出层的连接输出向量，b_l是第l个隐层节点的偏置。g(x_i)＝G(w_l,b_l,x_i)表示关于输入x_i的第l个隐层节点的输出。

第四步 目标跟踪模块对目标进行跟踪定位

目标跟踪模块在跟踪过程中持续运行，不间断的在当前帧图像中确定前一帧图像中目标的位置，并在其周围采用粒子滤波算法生成候选目标。利用ELM分类器确定候选目标的置信度，然后按照粒子滤波后验概率分布定位目标。

利用ELM分类器获取候选样本的置信度，记为P(y＝1|x)，即候选样本是目标的概率。定义：