基于分块的非特定目标实时跟踪方法

摘要

本发明涉及一种基于分块的非特定目标实时跟踪方法，包括分类器更新，目标检测和权重更新三大步骤；该方法将目标区域分割为多个块，对每个块维护一个分类器，并逐帧更新，综合考虑各个分类器的检测结果来确定目标在新视频帧中的位置。该方法设计了一个自动的权重更新机制，使得相对稳定的块对结果的判定具有更大的决定权，从而降低了各种干扰的影响，跟踪性能优于目前国际上最近发布的多种算法。该方法能捕获各种干扰引起的物体外观变化并准确跟踪，对各种形状和类型的目标物体具有普适性，而且计算复杂度低，能实时处理。在各种需要跟踪技术的场合，如视频监控，自动驾驶，人机交互，智能交通，机器人，空中预警等许多方面，具有广泛的应用前景。

主权项

基于分块的非特定目标实时跟踪方法，包括分类器更新，目标检测和权重更新三大步骤，其特征在于，所述的分类器更新步骤为：步骤a，分块，根据已经获得的目标位置和大小信息，将目标区域划分为均匀大小互不重叠的矩形块；步骤b，对每一个区域块维护一个分类器Ck，并在每一帧进行在线更新；所述的目标检测步骤为：步骤c，用分类器在新视频帧上进行检测，并计算局部置信图pk；步骤d，对全部的K个局部置信图加权平均得到全局的置信图P；步骤e，采用mean-shift方法在全局置信图上寻找置信峰值，该位置既被认为是目标在当前帧中的位置pos＝(x，y)＝meanshift(P)；所述的权重更新步骤为：步骤f，对检测结果采样获得正负反馈数据，计算分类阈值Tk；步骤g，用Tk对正负反馈值进行分类检验分类器的分辨能力，并据此计算分类器的可信度；步骤h，更新各个块的权重，重设分类器更新标记。