[发明专利]一种基于关键帧的在线学习的离线视频跟踪方法

摘要

本发明公开了一种基于关键帧的在线学习的离线视频跟踪方法，包括以下步骤对于给定的离线视频，选择一定数量的关键帧进行标注，并由此构建完备的模板字典，在跟踪过程中，对于每一个候选图像区域，计算其与纯净模板子块之间的距离，从而有效对纯净模板子块进行选择，提高计算效率；为了减少跟踪误差的积累，采用循环跟踪的策略将开环问题转化为闭环问题，从而有效地提高目标跟踪的鲁棒性；利用跟踪的结果，对动态模板进行在线地半监督学习，以适应目标表观的变化。在跟踪过程中对目标模板字典进行有效地在线学习，从而避免每次模板更新所带来的误差累积；采用循环跟踪的策略将开环问题转化为闭环问题，从而有效的提高目标跟踪的鲁棒性。

主权项

一种基于关键帧的在线学习的离线视频跟踪方法，其特征在于，包括以下步骤：(1)对于给定的离线视频，选择一定数量的关键帧进行标注，并由此构建完备的模板字典，该模板字典包含三个部分：纯净模板、动态模板和辅助模板；(2)在跟踪过程中，对于每一个候选图像区域，计算其与纯净模板子块之间的距离，从而有效对纯净模板子块进行选择，提高计算效率；(3)采用循环跟踪的策略将开环问题转化为闭环问题；(4)利用跟踪的结果，对动态模板进行在线地半监督学习，以适应目标表观的变化；步骤(1)具体包括以下子步骤：(1.1)，从整个视频中选择一定数量的关键帧，手工标定目标区域；(1.2)，在每个关键帧标定的区域中，上下左右各扰动1‑2个像素产生十个纯净模板；相邻关键帧之间，由对应的纯净模板线性组合生产一系列动态模板；(1.3)，构建产生一系列辅助模板，每个辅助模板只有一个元素的值为1，其他元素均为0，不同的辅助模板对应着目标模板不同位置的像素；如某个辅助模板的重构系数不为零，则表明其对应的像素有可能被噪声污染或者被其他物体遮挡。