[发明专利]一种目标跟踪方法及装置

摘要

本发明提供一种目标跟踪方法及装置，属于计算机视觉与模式识别领域。用于解决现有目标跟踪算法复杂度高的问题。包括：在第Ⅰ帧中选择第一目标位置，将第一目标的跟踪结果确定为第一正样本，从多个第一正样本包和第一负样本包通过公式(1)，确定第一示例集的特征集，通过第一训练数据的特征矩阵公式(2)，确定第一MIL 1‑norm SVM，通过公式(3)，构造成第一最小支持示例集，通过公式(4)确定第一最小支持示例集的权值，通过公式(5)确定基于权值分配的MIL 1‑norm SVM对应的第一最小支持示例集的分类分数；在第I+1帧中通过第一MIL 1‑norm SVM对候选样本进行分类，根据第二最小支持示例集的权值和公式(6)确定第I+1帧图像中的第二目标位置。

主权项

一种目标跟踪方法，其特征在于，包括：在图像序列第Ⅰ帧中选择第一目标位置，对所述第一目标进行跟踪，将所述第一目标的跟踪结果确定为第一正样本，通过公式(1)，确定从多个所述第一正样本构造成的第一正样本包和第一负样本构成的第一负样本包中提取的第一正负样本包的梯度特征；根据所述第一正负样本包的梯度特征，确定所述第一正样本包和所述第一负样本包中包括的第一示例集的特征集，将所述第一示例集的特征集确定为第一训练数据的特征矩阵；通过多示例学习框架，所述第一训练数据的特征矩阵，以及公式(2)确定第一MIL 1‑norm SVM，通过所述第一MIL 1‑norm SVM对所述第一示例集进行分类，通过公式(3)将所述第一示例集中符合第一阈值的所述第一示例集构造成第一最小支持示例集，通过公式(4)确定所述第一最小支持示例集的权值，根据所述第一最小支持示例集的权值和第一遗忘因子，通过公式(5)确定基于权值分配的MIL 1‑norm SVM对应的所述第一最小支持示例集的分类分数；在图像序列第I+1帧中选择候选样本，通过所述第一MIL 1‑norm SVM对所述候选样本进行分类，根据所述分类结果以及所述公式(4)，确定第二最小支持示例集的权值，根据所述第二最小支持示例集的权值，所述第一最小支持示例集的分类分数和公式(6)确定所述第I+1帧图像中的第二目标位置；所述公式(1)如下：g＝min(|gx|+|gy|,255)所述公式(2)如下：y=sign(Σk∈Λwk*g(Bi,xk)+b*)]]>所述公式(3)如下：Λj*={k:k∈Λ,xij∈Bi,j*=argmaxje-||xij-xk||σ2}]]>所述公式(4)如下：ht(xs)=Σk∈Λj*wk*s(xk,xs)mk]]>所述公式(5)如下：H(xs)=Σte-1tht(xs)]]>所述公式(6)如下：lt+1*=l(argmaxx∈XγH(x))]]>其中，g为所述第一正负样本包的梯度特征，gx为所述第一正负样本包水平方向的梯度，gy为所述第一正负样本包垂直方向的梯度，b*分别为权值向量的和偏置的最优值，xk为第k个样本，Bi为任意样本包，y为判别函数，为w*中非零元素的索引，为与包Bi相关的第一最小支持示例索引集，xij为任意样本包Bi中第j个示例，为指数函数，σ2为预定义因子，ht(xs)为第一最小支持示例的分类权值，mk代表支持示例xk的极大值个数，H(xs)为第一最小支持示例集的分类分数，为相应的遗忘因子，t为帧数，为第t+1中的目标位置，l(x)为采样样本所在的位置，x∈Xγ为在搜索区域γ内的样本，对于第t+1帧图像，以第t帧位置为中心，γ＝30为搜索半径采样形成候选样本集Xγ，即