[发明专利]一种基于结构化模型的长期视觉追踪方法及装置有效
申请号: | 202010067497.4 | 申请日: | 2020-01-20 |
公开(公告)号: | CN111274966B | 公开(公告)日: | 2022-06-03 |
发明(设计)人: | 傅德谦;胡顺波;张林涛 | 申请(专利权)人: | 临沂大学 |
主分类号: | G06V20/40 | 分类号: | G06V20/40;G06K9/62;G06V10/74;G06V10/762;G06V10/77 |
代理公司: | 北京君慧知识产权代理事务所(普通合伙) 11716 | 代理人: | 王宽 |
地址: | 276000 山东*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 结构 模型 长期 视觉 追踪 方法 装置 | ||
1.一种基于结构化模型的长期视觉追踪方法,其特征在于,包括:
根据目标对象的不同特征,构建若干代表性目标表观模型;
采用所述目标表观模型,分别对当前帧的若干候选目标图片进行相似性对比识别,从若干候选目标图片中确定出追踪结果以及与所述追踪结果相匹配的目标表观模型;
根据对比识别结果以及预设规则,对所述匹配的目标表观模型进行更新,或者新建目标表观模型;
采用稀疏子空间聚类算法,对目标表观模型的模板进行聚类,根据特征相似性确定具有同一目标表观特征的模板组,以建立视觉追踪的结构化的多代表性目标表观模型。
2.根据权利要求1所述的方法,其特征在于,根据目标对象的不同特征,构建若干代表性目标表观模型,包括:
将预设的目标对象及其副本作为初始目标表观模型的模板组;
根据所述初始目标表观模型的模板组,采用稀疏主要成分分析PCA算法,确定所述初始目标表观模型对应的PCA基及表示系数,以构建所述初始目标表观模型。
3.根据权利要求2所述的方法,其特征在于,采用所述目标表观模型,分别对当前帧的若干候选目标图片进行相似性对比识别,包括:
针对若干候选目标图片,采用所述目标表观模型对应的PCA基,对该候选目标图片进行稀疏原型表示,确定该候选目标图片的表示系数;
根据该候选目标图片的表示系数,确定该候选目标图片与目标表观模型的相似性。
4.根据权利要求3所述的方法,其特征在于,采用所述目标表观模型对应的PCA基,对该候选目标图片进行稀疏原型表示,确定该候选目标图片的表示系数,包括:
根据确定侯选目标图片的表示系数及误差系数;其中,z表示侯选目标图片,Tp表示目标表观模型对应的PCA基,c表示表示系数,e表示误差系数,λ表示预设系数。
5.根据权利要求3所述的方法,其特征在于,从若干候选目标图片中确定出追踪结果以及与所述追踪结果相匹配的目标表观模型,包括:
根据相似性对比识别,确定所述候选目标图片中相似度最高的,作为追踪结果;
将所述追踪结果的表示系数与各目标表观模型对应的表示系数进行向量相似性对比,确定相似度;
从若干目标表观模型中,确定相似度最高的目标表观模型,作为匹配的目标表观模型。
6.根据权利要求5所述的方法,其特征在于,根据对比识别结果以及预设规则,对所述匹配的目标表观模型进行更新,或者新建目标表观模型,包括:
确定所述追踪结果的误差系数;
根据确定所述追踪结果的置信度值,其中,Conf表示置信度值,e表示所述追踪结果的误差系数,m表示e的维数;
根据所述置信度值以及预设规则,对所述匹配的目标表观模型进行更新,或者新建目标表观模型。
7.根据权利要求6所述的方法,其特征在于,根据所述置信度值以及预设规则,对所述匹配的目标表观模型进行更新,或者新建目标表观模型,包括:
若所述置信度值大于第一预设值,则采用所述追踪结果,对所述匹配的目标表观模型中的模板进行替换,并更新所述匹配的目标表观模型的基;
若所述置信度值不小于第二预设值,且不大于第一预设值,且已构建的目标表观模型的总数小于预设模型数量,则根据所述追踪结果中目标对象的特征,新建目标表观模型。
8.根据权利要求7所述的方法,其特征在于,所述方法还包括:
若所述匹配的目标表观模型为初始目标表观模型,则在所述置信度值大于第二预设值时,通过所述追踪结果,对所述初始目标表观模型中的模板进行替换,并更新所述初始目标表观模型的基。
9.根据权利要求1所述的方法,其特征在于,根据对比识别结果以及预设规则,对所述匹配的目标表观模型进行更新之前,所述方法还包括:
确定所述匹配的目标表观模型中的模板数量达到预设模板数量。
10.一种基于结构化模型的长期视觉追踪装置,其特征在于,包括:
构建模块,根据目标对象的不同特征,构建若干代表性目标表观模型;
匹配模块,采用所述目标表观模型,分别对当前帧的若干候选目标图片进行相似性对比识别,从若干候选目标图片中确定出追踪结果以及与所述追踪结果相匹配的目标表观模型;
更新模块,根据对比识别结果以及预设规则,对所述匹配的目标表观模型进行更新,或者新建目标表观模型;
聚类模块,采用稀疏子空间聚类算法,对目标表观模型的模板进行聚类,根据特征相似性确定具有同一目标表观特征的模板组,以建立视觉追踪的结构化的多代表性目标表观模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于临沂大学,未经临沂大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010067497.4/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种房屋交易方法及系统
- 下一篇:一种肿瘤自动登记分析方法及系统