[发明专利]基于压缩感知特征选择的实时检测跟踪框架与跟踪方法

权利要求书

1.一种基于压缩感知特征选择的实时检测跟踪框架与跟踪方法，其特征在于：包括下述步骤：

步骤1，初始化参数，确定第t帧的目标所述的目标位置是一个矩形框，框内是需要跟踪的目标；包含四个参数：目标在该帧中的行坐标列坐标宽度width和高度height；

步骤2，令l(x)＝{row(x),col(x)}表示样本x的位置，包括样本中心的行坐标和列坐标，在周围半径s个像素内采集正样本集Xts={xt|||l(xt)-l(xt*)||≤s};]]>在周围半径r,β像素之间采集负样本集Xtr,β={xt|r≤||l(xt*)-l(xt)||≤β};]]>其中s，r，β是经验参数，单位为像素；

步骤3，对正负样本集中每个样本提取n个类哈尔特征f(x_t)＝{f₁(x_t),f₂(x_t),...,f_n(x_t)}；

步骤4，使用正样本和负样本的特征训练弱分类器；

步骤5，定义分类间隔对每个弱分类器进行评估，并选择弱分类器用于分类；

步骤6，由选择出来的弱分类器组成第t帧的强分类器

步骤7，在t+1帧的周围半径λ内采集测试样本使用H_t(x)对测试样本进行分类；

步骤8，分类结果作为目标在t+1帧的位置

步骤9，若t+1帧不是最后一帧，则令t＝t+1，返回步骤1。

2.根据权利要求1所述的一种基于压缩感知特征选择的实时检测跟踪框架与跟踪方法，其特征在于：所述的步骤2中s＝4，r的取值范围为6～10，β的取值范围为15～30。