主权项 |
一种基于类相似性测量的实时目标跟踪算法,其特征在于,包括以下步骤:步骤1:对于获取的包括N帧的视频序列,从t=1帧开始,确定第t帧的目标<img file="FDA0001056049250000011.GIF" wi="70" he="69" />它的位置为<img file="FDA0001056049250000012.GIF" wi="126" he="63" />其中<img file="FDA0001056049250000013.GIF" wi="99" he="63" />是一个矩形框,框内是需要跟踪的目标;<img file="FDA0001056049250000014.GIF" wi="102" he="67" />包含四个参数:目标在该帧中的行坐标<img file="FDA0001056049250000015.GIF" wi="214" he="70" />列坐标<img file="FDA0001056049250000016.GIF" wi="203" he="71" />宽度width和高度height;初始化参数<img file="FDA0001056049250000017.GIF" wi="402" he="63" />为0,这四个参数分别表示目标类的均值、方差和背景类的均值、方差,其中上标“+”表示目标类,“‑”表示背景类,下标i表示从样本提取的第i个特征;步骤2:在<img file="FDA0001056049250000018.GIF" wi="101" he="63" />周围半径r<sub>p</sub>个像素内采集目标类样本集<img file="FDA0001056049250000019.GIF" wi="589" he="87" />这里x<sub>t</sub>表示第t帧目标类中的样本,l(x<sub>t</sub>)表示样本x<sub>t</sub>所在的位置;在<img file="FDA00010560492500000110.GIF" wi="102" he="62" />周围半径r<sub>in</sub>、r<sub>on</sub>像素之间采集背景类样本集<img file="FDA00010560492500000111.GIF" wi="693" he="87" />这里x<sub>t</sub>表示第t帧背景类中的样本,l(x<sub>t</sub>)表示样本x<sub>t</sub>所在的位置;其中r<sub>p</sub>,r<sub>in</sub>,r<sub>on</sub>是经验参数,单位为像素;步骤3:对目标类和背景类中的每个样本<img file="FDA00010560492500000112.GIF" wi="255" he="62" />提取n<sub>f</sub>个类哈尔特征<img file="FDA00010560492500000113.GIF" wi="686" he="71" />步骤4:计算目标类和背景类在第t帧的统计特征<img file="FDA00010560492500000114.GIF" wi="467" he="71" />步骤5:根据学习率λ更新参数<img file="FDA00010560492500000115.GIF" wi="395" he="62" />其中学习率是经验参数;步骤6:在第t+1帧的<img file="FDA00010560492500000116.GIF" wi="102" he="69" />周围半径r<sub>s</sub>个像素内采集测试样本<img file="FDA00010560492500000117.GIF" wi="655" he="87" />并根据步骤3中的方法提取出它们的类哈尔特征;步骤7:定义样本与类之间的距离为d(x,χ),计算每个测试样本<img file="FDA00010560492500000118.GIF" wi="154" he="62" />与目标类在第i个特征上的距离d<sub>i</sub>(x,χ<sup>+</sup>),以及每个测试样本<img file="FDA00010560492500000119.GIF" wi="148" he="55" />与背景类在第i个特征上的距离d<sub>i</sub>(x,χ<sup>‑</sup>),将它们的和作为样本与目标类和背景类之间的距离,即:<img file="FDA00010560492500000120.GIF" wi="1007" he="135" />步骤8:定义样本与类之间的相似度为S(x,χ);分别计算测试样本与目标类之间的相似度S(x,χ<sup>+</sup>)=exp(‑d(x,χ<sup>+</sup>)),以及测试样本与背景类之间的相似度S(x,χ<sup>‑</sup>)=exp(‑d(x,χ<sup>‑</sup>));步骤9:定义目标函数J(x),选择测试样本中与目标类相似且与背景类不相似的样本作为目标在t+1帧的位置;步骤10:判断,t+1帧是不是最后一帧;若t+1帧不是最后一帧,则令t=t+1,回转执行所述的步骤1;若t+1帧是最后一帧,则本算法结束。 |