[发明专利]基于简化直推式学习法的在线目标跟踪方法

摘要

本发明公开了一种基于简化直推式学习法的在线目标跟踪方法，用于解决现有在线目标跟踪方法应用受局限的技术问题。技术方案是使用一个矩形框表示目标，并在目标周围提取训练样本，提取样本的HOG特征作为目标表示，得到初始的目标检测器。在下一帧图像中，生成候选目标样本并提取HOG特征。分类器在每一帧图像上单独训练。给定一个分类器的最大空间尺度，如果分类器的大小没有超过最大空间尺度，则直接将当前训练结果加入到分类器集合中，然后将训练好的当前结果加入到分类器集合中。本发明通过图像的空间结构约束，生成准确的训练样本标签，提高了分类器的性能。此外，在每帧图像上单独训练分类器，与背景技术相比较，应用范围更广。

主权项

1.一种基于简化直推式学习法的在线目标跟踪方法，其特征在于包括以下步骤：步骤一、在图像上选定一个矩形标识框，框内的区域为目标区域；若该样本区域与目标的重叠率大于给定阈值，刚认定为正样本，否则为负样本；重叠率的定义为：S=γt∩γαγt∪γα]]>其中，γ_t为目标区域所在的矩形框位置，γ_α为样本位置；如果s＞0.5，刚该样本为正样本，否则为负样本；再提取样本的HOG特征，利用该特征向量用来训练分类器；步骤二、生成测试样本，检测目标所在位置；采用训练样本的平均值评价测试样本，定义如下：ω-t=Στt=1γτ·w-τΣτt=1γτ]]>其中，为每帧图像单独训练出来的结果，t为分类器集合的大小，γ_τ为加权系数，γ_τ的值可由任意的关键帧选择策略给出；计算出每个样本的评价结果后，选择值最大的样本最终的目标样本输出；步骤三、目标检测过程完成后，需要更新分类器适应目标当前的变化；若当前帧所有样本的评价结果最大值大于0，则认为检测成功，重新在该帧训练分类器，否则跳过；训练过程如步骤一；然后将训练结果加入到训练好的分类器集合中；若已经训练好的分类器结果集合大小于给定的最大空间尺度，则删除最早训练的结果；分类器更新完成后，转到步骤二，在下一帧图像上继续进行目标检测与跟踪。