[发明专利]基于高阶累积量的目标跟踪方法、装置及存储介质有效
| 申请号： | 201810645430.7 | 申请日： | 2018-06-21 |
| 公开（公告）号： | CN109166138B | 公开（公告）日： | 2022-05-31 |
| 发明（设计）人： | 李良群;谢维信;刘宗香 | 申请（专利权）人： | 深圳大学 |
| 主分类号： | G06T7/246 | 分类号： | G06T7/246 |
| 代理公司： | 深圳市威世博知识产权代理事务所(普通合伙) 44280 | 代理人： | 何青瓦 |
| 地址： | 518060 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于高阶累积量的目标跟踪方法，该方法包括：利用第一高阶累积量判断第k视频帧中的目标是否被遮挡；利用运动模型及第k视频帧中的目标状态信息预测并抽取得到多个预测粒子；分别计算每个预测粒子在第k+1视频帧中对应的预测图像块在子空间的重构误差及对应的每个预测粒子的重要性权值；利用第二高阶累积量判断第k视频帧中被遮挡的目标在第k+1视频帧中是否仍被遮挡；若是则将轨迹预测值否则将似然图像块作为第k+1视频帧中的目标图像；利用第k+1视频帧中的目标图像获取第k+1视频帧中的目标状态信息。本发明还公开了一种基于高阶累积量的目标跟踪装置。通过上述方式，本发明能够及时检测到目标被遮挡并进行处理。 | ||
| 搜索关键词： | 基于 累积 目标 跟踪 方法 装置 存储 介质 | ||
【主权项】：
1.一种基于高阶累积量的目标跟踪方法，其特征在于，包括：利用第一高阶累积量判断第k视频帧中的所述目标是否被遮挡，所述第一高阶累积量对应于所述第k视频帧中的目标图像在子空间的第一重构误差；利用运动模型及所述第k视频帧中的目标状态信息预测并抽取得到多个预测粒子，所述第k视频帧中被遮挡与未被遮挡的所述目标的所述运动模型不同；分别计算每个所述预测粒子在第k+1视频帧中对应的预测图像块在所述子空间的重构误差；分别利用所述重构误差计算对应的每个所述预测粒子的重要性权值；利用第二高阶累积量判断所述第k视频帧中被遮挡的所述目标在所述第k+1视频帧中是否仍被遮挡，所述第二高阶累积量对应于似然图像块在所述子空间的第二重构误差，所述似然图像块是所述重要性权值最大的所述预测粒子对应的预测图像块；若所述第k视频帧和所述第k+1视频帧中所述目标均被遮挡，则将轨迹预测值作为所述第k+1视频帧中的目标图像，否则将所述似然图像块作为所述第k+1视频帧中的所述目标图像；利用所述第k+1视频帧中的目标图像获取所述第k+1视频帧中的目标状态信息。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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深圳大学，未经深圳大学许可，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/patent/201810645430.7/，转载请声明来源钻瓜专利网。
