发明名称 |
基于在线初始化梯度增强回归树的目标跟踪方法及系统 |
摘要 |
本发明涉及一种基于在线初始化梯度增强回归树的目标跟踪方法及系统,在视频输入端、跟踪目标输出端以及在线训练分类器构成的系统中,方法步骤为:1)在视频序列中选择跟踪目标,提取类Haar特征的正负样本;2)根据所述正负样本随机建立在线分类器得到训练残差;3)将所述训练残差作为在线分类器的训练样本进行训练修正,建立目标模型;4)从下一帧视频图像获取图像置信图,目标窗口确定置信值最大的位置,完成跟踪。本发明使得其能够快速收敛到最优点,完成对随机森林检测的优化,并且通过在线学实现分类器的更新,很好地解决了目标外观变化、快速运动以及遮挡等问题。 |
申请公布号 |
CN103226835B |
申请公布日期 |
2016.01.27 |
申请号 |
CN201310130189.1 |
申请日期 |
2013.04.15 |
申请人 |
北京大学深圳研究生院 |
发明人 |
刘宏;梁子琳;丁润伟 |
分类号 |
G06T7/20(2006.01)I |
主分类号 |
G06T7/20(2006.01)I |
代理机构 |
北京君尚知识产权代理事务所(普通合伙) 11200 |
代理人 |
余长江 |
主权项 |
一种基于在线初始化梯度增强回归树的目标跟踪方法,其步骤为:1)在视频序列中选择跟踪目标,提取类Haar特征的正样本和负样本,包括,手动选出需要跟踪的目标区域,以方形框为目标窗口,在目标窗口内提取类Haar特征为所述正样本,目标窗口外两倍目标大小的类Haar特征为所述负样本;2)根据所述正样本和负样本随机建立在线随机森林分类器得到训练残差;3)将所述训练残差作为在线梯度增强回归树分类器的训练样本进行训练修正,建立目标模型,包括,将在当前帧中检测到的目标区域作为下一帧检测的目标模型,送入所述在线梯度增强回归树分类器进行训练,用来检测下一帧图像;4)从下一帧视频图像获取图像置信图,目标窗口根据所述目标模型确定置信值最大的位置,更新所述在线随机森林分类器及在线梯度增强回归树分类器,以上过程逐帧循环,完成跟踪。 |
地址 |
518055 广东省深圳市南山区西丽深圳大学城北京大学校区 |