[发明专利]一种视觉目标跟踪方法及装置

权利要求书

1.一种视觉目标跟踪方法，其特征在于，该方法包括步骤如下：

步骤S1：离线训练预定目标的检测器

步骤S2：采用所述检测器检测第i-1帧图像中的所述预定目标，其中i为大于等于1的正整数；

步骤S3：在线学习跟踪器判别模型；

步骤S4：采用所述跟踪器判别模型跟踪第i帧图像中的所述预定目标；

步骤S5：通过所述检测器判断所述跟踪器判别模型跟踪所述预定目标是否成功；

步骤S6：若所述跟踪器判别模型跟踪所述预定目标成功，则存储所述跟踪器判别模型跟踪得到的所述预定目标的特征向量及跟踪得到的目标图像，并在线学习跟踪器判别模型，转步骤S7；否则，i＝i+1，转步骤S2重新检测所述预定目标并重新在线学习所述跟踪器判别模型；

步骤S7：通过基于密度峰值的方法在线挖掘正支持向量，并对跟踪器进行在线修正，i＝i+1，然后跳转到步骤S4。

2.如权利要求1所述的方法，其特征在于，步骤S1包括以下步骤：

步骤S11：计算正负样本图像的梯度方向直方图特征，生成正样本图像和负样本图像的特征向量；包括：

步骤S11A：将正样本图像通过双线性差值方法归一化为固定大小w_s×h_s，其中w_s为归一化正样本图像的宽，h_s为归一化正样本图像的高；

步骤S11B：将归一化的正样本图像划分为N_c1×N_c2个细胞单元C_ij，1＜i＜N_c1，1＜j＜N_c2；每个细胞单元大小为k×k，其中k＝w_s/N_c1＝h_s/N_c2；

步骤S11C：在每个细胞单元C_ij中对梯度方向进行独立统计，以梯度方向为横轴的直方图，然后将这个梯度分布平均分成多个无符号方向角度，每个方向角度范围对应方向角度范围的梯度幅值累积值，将多个梯度幅值累积值组成多个维特征向量V_ij，然后通过4个归一化系数对V_ij进行归一化，进而得到细胞单元C_ij对应的特征向量F_ij；

步骤S11D：将归一化正样本图像中所有细胞单元的梯度方向直方图特征向量F_ij串联构成正样本图像的特征向量V_P；

步骤S11E：采用与步骤S11A至步骤S11D相同的方式计算大小为w_s×h_s的负样本图像的特征向量V_F；

步骤S12：采用随机梯度下降法训练检测分类器；

其中，检测分类器采用的是线性支持向量机分类器，其优化目标函数为：

其中为SVM的参数向量，w为权重向量，b为偏移量，y_i∈{-1，+1}为样本的类别标签，其中x为正样本图像或负样本图像的特征向量；其中为检测分类器的判别函数。

3.如权利要求1所述的方法，其特征在于，步骤S2包括以下步骤：

步骤S21：根据所述第i-1帧图像生成图像金子塔；

步骤S22：将每幅所述图像金字塔划分为多个细胞单元，然后通过梯度直方图统计方法获取每个细胞单元的特征向量，生成图像特征金字塔；

步骤S23：在图像特征金字塔中，利用所述检测器采用滑动窗口的方式检测所述预定目标。