[发明专利]基于支持向量机的鲁棒目标跟踪方法

摘要

基于支持向量机的鲁棒目标跟踪方法，包括样本选择和支持向量更新、基于结构化支持向量机的在线目标跟踪、卡尔曼修正以及目标重定位。本发明针对视频场景中由于目标运动交叉、半遮挡或暂时离开画面时产生误差累积，从而造成的跟踪漂移问题提出改进方法。对于目标运动交叉或半遮挡，提出采用帧间目标匹配度波动值决定更新支持向量，并结合卡尔曼滤波修正跟踪结果；对于目标暂时离开画面，采用停止更新支持向量和更改搜索策略的方法进行目标重定位。本发明提高了跟踪的实时性和鲁棒性，有效解决了由于误差累积造成的跟踪漂移问题。

主权项

基于支持向量机的鲁棒目标跟踪方法，包括样本选择和支持向量更新、基于结构化支持向量机的在线目标跟踪、卡尔曼修正以及目标重定位；其特征在于，针对目标运动交叉或半遮挡，提出采用帧间目标匹配度波动值决定更新支持向量，并结合卡尔曼滤波修正跟踪结果；针对目标暂时离开画面，采用停止更新支持向量和更改搜索策略的方法进行目标重定位；具体步骤如下：A1、预处理：采用手动方式在帧图像中框选跟踪目标，并将跟踪目标设置在跟踪框内，记录目标的坐标以及跟踪框长度和宽度；卡尔曼滤波器初始化并读取目标初始位置；A2、特征提取：计算目标区域中图像块的特征向量，建立特征样本群，初始化支持向量池，用于计算样本匹配值；A3、支持向量更新：与传统直接采用最高匹配值的样本为基样本更新支持向量不同，根据前后帧样本最高匹配度波动值更新支持向量，能及时捕捉目标形变或遮挡造成的变化，避免将背景或障碍物作为目标更新支持向量；若波动值符合阈值T1，则更新支持向量，并将此匹配值最高的样本坐标传到下一帧作为预测目标，若不符合，则此帧不更新支持向量；A4、基于支持向量机的在线目标跟踪：以预测的目标位置为起点，基于在线结构化支持向量机，结合卡尔曼滤波器，建立运动模型，对目标在线跟踪和位置预测，计算支持向量机预测坐标与卡尔曼预测坐标的欧氏距离；A5、卡尔曼滤波修正：仅根据在线支持向量跟踪定位目标，遇到遮挡往往造成跟踪漂移，考虑目标运动的方向和速度，结合卡尔曼滤波修正，对于匹配度波动值符合阈值T1的目标位置，提取样本和更新支持向量，用svm的预测值更新滤波器；对于不符合阈值T1的目标位置，使用卡尔曼滤波算法对跟踪的方位进行预测和纠正，同时根据支持向量机预测坐标与卡尔曼预测坐标的欧氏距离决定更新支持向量的方法；A6、支持向量池溢出限制：当支持向量个数超过限定值，并且在不断增加，删除贡献最小的支持向量；A7、目标重定位：当判定目标离开画面，停止更新支持向量，更改搜索策略，直至重新定位目标；由于在线目标跟踪时不断更新支持向量，保存了目标特征，当目标重新出现在画面，可以及时且精确定位。