【技术实现步骤摘要】
本专利技术涉及图像处理，特别涉及一种视频目标跟踪方法。
技术介绍
运动跟踪是智能交通系统的核心组成部分，用于从拍摄的车辆图像中全自动化定 位车辆信息，包括车牌图像，车型识别，事故鉴定，使得车辆的电脑化监控和管理成为现实。 近年来，很多技术基于视觉特征模板，即先离线学习一个视觉模型来描述目标，然后使用该 模型在图像区域进行搜索，寻找与视觉模型最相似的目标。但物体外观容易因为受到光照、 姿态、遮挡和运动等的影响而改变。现有技术没有考虑背景信息，而这些被丢弃的背景信息 很可能提高跟踪的稳定性和准确性。因此，针对相关技术中所存在的上述问题，目前尚未提 出有效的解决方案。
技术实现思路
为解决上述现有技术所存在的问题，本专利技术提出了一种， 包括： 步骤一，预先设定视频中的当前帧的目标位置，初始化稀疏矩阵； 步骤二，获取目标位置周围样本的高维特征向量，并使用稀疏矩阵将该高维向量 投影到低维向量； 步骤三，更新分类器参数，得到用于下一帧的新的分类器，选择分类值最大的样本 位置作为下一帧的目标位置。 优选地，若当前帧为第t帧，则所述当前帧的目标位置由第t帧的目标位置L的左 上角坐标（x，y)和目标的宽度w以及高度h组成。 所述初始化稀疏矩阵进一步包括： 给定跟踪目标后，按照下式定义稀疏矩阵RfoXm)，其中n和m分别是该矩阵的行数 和列数，并且m为4的倍数：
【技术保护点】
一种视频中的目标跟踪方法，其特征在于，包括：步骤一，预先设定视频中的当前帧的目标位置，初始化稀疏矩阵；步骤二，获取目标位置周围样本的高维特征向量，并使用稀疏矩阵将该高维向量投影到低维向量；步骤三，更新分类器参数，得到用于下一帧的新的分类器，选择分类值最大的样本位置作为下一帧的目标位置。
【技术特征摘要】
1. 一种视频中的目标跟踪方法，其特征在于，包括： 步骤一，预先设定视频中的当前帧的目标位置，初始化稀疏矩阵； 步骤二，获取目标位置周围样本的高维特征向量，并使用稀疏矩阵将该高维向量投影 到低维向量； 步骤三，更新分类器参数，得到用于下一帧的新的分类器，选择分类值最大的样本位置 作为下一巾贞的目标位置。2. 根据权利要求1所述的方法，其特征在于，若当前帧为第t帧，则所述当前帧的目标 位置由第t帧的目标位置L的左上角坐标（X，y)和目标的宽度w以及高度h组成。3. 根据权利要求2所述的方法，其特征在于，所述初始化稀疏矩阵进一步包括： 给定跟踪目标后，按照下式定义稀疏矩阵R(nXm)，其中η和m分别是该矩阵的行数和列 数,并且m为4的倍数：其中，ru是矩阵R中第i行第i列的元素，且只有占Ι/s比例的元素是非零的，并且设 置s=m/4,矩阵R生成后始终保持不变。4. 根据权利要求3所述的方法，其特征在于，所述步骤二进一步包括： 在与第t帧的目标位置L相距α的区域内取正样本，在与L的距离在ζ，β之间的区 域内取负样本；其中α...
【专利技术属性】
技术研发人员：王鑫，艾力，张璇，付蝶，谢国锦，
申请(专利权)人：成都信升斯科技有限公司，
类型：发明
国别省市：四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。