基于分块多示例学习算法的目标跟踪方法和系统

我有意向
次浏览
  • 详细信息
  • 成果简介
  • 应用范围
  • 前景分析
成果名称： 基于分块多示例学习算法的目标跟踪方法和系统 关键字： 应用行业： 信息传输软件和信息技术
高新技术领域： 电子信息技术 所在地： 河北省 知识产权类型： 发明专利
知识产权编号： ZL201610339958.2 成果体现形式： 发明专利 成果属性：
成果所处阶段： 成果水平： 国内一般 研究形式：
学科分类： 战略新兴产业： 请选择... 课题来源：
第一完成单位名称： 河北工业职业技术学院 第一完成单位属性： 技术成熟度：
合作方式： 专利许可 交易价格(万)： 1.00 所属十强产业：

本发明公开了一种基于分块多示例学习算法的目标跟踪方法，包括：将目标图像分为若干个分块图像片；通过多示例学习算法得出每个分块图像片的弱分类器池，并从弱分类器池中选出分类能力强的若干个弱分类器构成强分类器；目标跟踪过程中，结合所有分块图像片的强分类器计算目标图像的综合分类器分数，并根据计算出的综合分类器分数确定目标位置。上述基于分块多示例学习算法的目标跟踪方法目标跟踪性能较高、跟踪过程稳定，能够解决严重的光照、位姿变化及遮挡等问题。本发明还公开一种基于分块多示例学习算法的目标跟踪系统。

本发明涉及数字图像处理技术领域，特别是涉及一种基于分块多示例学习算法的 目标跟踪方法和系统。

将目标图像分为多个分块图像片，针 对每个分块图像片应用多示例学习算法训练判别分类器，而目标跟踪过程中结合所有分块 图像片的综合分类器分数确定目标位置，从而能够进一步提高目标跟踪性能。进一步，根据 每个分块图像片的分类器分数及所有分块图像片的综合分类器分数还能够检测并区分跟 踪过程中的光照、位姿变化及遮挡问题。而且设置不同的学习更新率，分类器能够根据不同 情况实现自适应更新，从而实现持续、稳定的目标跟踪

目标跟踪技术是机器视觉领域备受关注的课题之一。近年来，许多国内外的学者 致力于目标跟踪技术的研究并取得了一些引人瞩目的成果。然而，目标跟踪仍面临诸多挑 战，如:噪声、光照、位姿改变、运动突变和遮挡等问题。为解决上述问题，Babenko提出基于 多示例学习 (Multiple Instance Learning，MIL)算法的目标跟踪方法。该方法将样本表示 为由多个示例组成的带标记的包（正包或负包）。当一个包中至少有一个示例为正时，该包 被标记为正包。反之，当一个包中所有示例均为负时，该包被标记为负包。多示例学习算法 结合目标和背景信息(正包和负包中的示例）训练获得判别分类器，并利用所得判别分类器 将目标从背景中分离出来。
然而，MIL算法计算耗时大，易发生跟踪结果漂移，目标跟踪性能不够高，且无法解 决严重的光照、位姿变化及遮挡等问题。


  • 附件

联系方式

  • 联系人：

    李爽

  • 联系电话：

    19931123123

  • QQ/MSN：

  • Email：

    shengxunkeji2000@sina.com

  • 通讯地址：

    河北省石家庄市红旗大街626号

请填写以下信息

  • 联系人姓名：

  • 联系人电话：

  • 手机号：

  • 邮箱：

  • QQ：

  • 工作单位：

  • 地址：

  • 意向说明：

    • 取消 确定
  • logo图片

    专注专业

    资深行业经验，专业技术运作团队

  • logo图片

    信息保密

    专利或技术全方位严格保密，保证用户权益

  • logo图片

    快速转让

    依托大数据，精准对接需求企业，节约成本

  • logo图片

    一站式服务

    技术转让一站式服务，省心更放心