[发明专利]一种基于排序学习的视频跟踪方法

摘要

本发明公开一种基于排序学习的视频跟踪方法，包括以下步骤，首先，基于压缩感知理论，利用稀疏测量矩阵压缩多尺度图像特征；其次，采用Median-Flow跟踪算法作为预测器，获得目标的粗略位置，并为RV-SVM算法构建训练数据集；最后，对训练样本进行排序，把RV-SVM算法作为二值分类器，将目标和背景分开以达到视频跟踪的目的。RV-SVM算法的训练过程是一个线性规划问题，减少了在线学习的训练时间，提高了跟踪系统的效率。通过将多尺度图像压缩特征提取、Median-Flow跟踪算法和RV-SVM算法结合，能够有效处理视频跟踪过程中的目标尺度变化、部分遮挡、3D旋转、姿势变化和目标快速移动等问题。

主权项

1.一种基于排序学习的视频跟踪方法，其特征在于，包含以下步骤：1）用矩形图像像素集来表示目标O，目标O大小为h×w，利用多尺度矩形滤波器生成目标O的多尺度图像特征；2）基于压缩感知理论，利用稀疏随机测量矩阵压缩多尺度图像特征；3）采用Median-Flow跟踪算法作为预测器，预测目标O在下一帧图像中的粗略位置；4）构建训练样本集和是从初始帧和多个最近帧中抽取的目标图像块集，是从最近帧图像中抽取的背景图像块集，是从当前帧图像中抽取出来的弱标记训练样本集；5）利用RV-SVM算法作为在线学习分类器，将目标O和背景分开以达到视频跟踪的目的。