欢迎来到利索能及~ 联系电话:18621327849
利索能及
我要发布
收藏
专利号: 2017106276837
申请人: 南京工业职业技术学院
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-10-29
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.一种具有重检测机制的目标跟踪系统,其特征在于:包括跟踪检测模块、跟踪质量评估模块、目标重检测模块以及模型在线学习更新模块;

跟踪检测模块,用于根据模型在线学习更新模块的最近一次更新的目标模型对当前帧进行跟踪目标检测;

跟踪质量评估模块,用于对跟踪检测模块检测到的跟踪目标作跟踪质量评估,若评估为可靠跟踪,则调用模型在线学习更新模块更新目标模型;若评估为非可靠跟踪,则启动目标重检测模块进行目标重检测;

目标重检测模块,用于对当前帧进行目标重检测,若检测到了可靠目标,则启动模型在线学习更新模块更新目标模型,再进入下一帧的跟踪任务,若未检测到可靠目标,则保持原目标模型,不触发模型在线学习更新模块,并直接进入下一帧的跟踪任务。

2.根据权利要求1所述的具有重检测机制的目标跟踪系统,其特征在于:跟踪检测模块在对跟踪目标进行检测时,利用模板和逐像素融合学习器对当前帧中的跟踪目标进行检测,跟踪检测的跟踪结果包括跟踪目标在当前帧中的位置以及尺寸信息。

3.根据权利要求1所述的具有重检测机制的目标跟踪系统,其特征在于:跟踪质量评估模块对跟踪检测模块跟踪检测的跟踪结果作质量评估时,包括对当前帧在进行跟踪检测过程中的梯度相关滤波输出波形的峰值旁瓣比以及对当前帧和上一帧的梯度滤波输出的时间平滑性进行质量度量评估。

4.根据权利要求3所述的具有重检测机制的目标跟踪系统,其特征在于:质量度量评估的评估标准为:若峰值旁瓣比大于比值门限且时间平滑性小于平滑门限,则评估为当前帧的跟踪结果可靠;若峰值旁瓣比小于比值门限或时间平滑性大于平滑门限,则评估为当前帧的跟踪结果非可靠。

5.根据权利要求1所述的具有重检测机制的目标跟踪系统,其特征在于:目标重检测模块对当前帧进行目标重检测的具体步骤为,在当前帧的重检测区域内根据颜色模型参数求逐像素色度置信值,再计算得到目标置信积分图,再将目标置信积分图的局部最大值点处作为备选目标,再根据该备选目标的梯度相关滤波输出确认重检测结果。

6.根据权利要求5所述的具有重检测机制的目标跟踪系统,其特征在于:重检测区域为视频当前帧中以最近一次可靠目标跟踪结果位置为中心的一个图像区域,该图像区域的大小跟随当前帧和最近一次可靠目标跟踪结果对应帧的时间跨度大小而变化,时间跨度越大,则重检测区域越大。

7.根据权利要求5所述的具有重检测机制的目标跟踪系统,其特征在于:颜色模型为由上一帧模型在线学习过程得到的颜色直方图前景投票得票率,颜色直方图前景投票得票率为前景区域颜色直方图中某色度的取值相对于该色度在前景颜色直方图和背景颜色直方图取值之和中的比例,若某色度前景颜色直方图和背景颜色直方图取值之和为零,那么前景投票得票率为零。

8.根据权利要求5所述的具有重检测机制的目标跟踪系统,其特征在于:逐像素色度置信值是指由上一帧模型在线学习得到的颜色直方图前景投票得票率,对重检测区域中的每个像素,按照该像素颜色落在所对应的投票得票率色度区间的投票得票率取值作为该像素的逐像素色度置信值,对整个重检测区域所有像素的逐像素色度置信值对应一张逐像素色度置信值图。

9.根据权利要求5所述的具有重检测机制的目标跟踪系统,其特征在于:目标置信积分图是与重检测区域对应的逐像素色度置信值图,按照最近一次可靠跟踪结果对应的目标大小作为置信窗口,执行置信窗口内置信值积分操作得到置信值之和,重检测区域的每个像素对应一个置信窗口以及一个置信值之和,执行所有像素后便构成了目标置信积分图。

10.根据权利要求5所述的具有重检测机制的目标跟踪系统,其特征在于:根据该备选目标的梯度相关滤波输出确认重检测结果,指的是对备选目标逐一根据上一帧的梯度模型计算相关滤波输出,若该相关滤波输出的峰值旁瓣比大于设定的门限值才作为有效备选目标,并计算出所有有效备选目标相关滤波输出极值中的最大值者,具有最大值者对应的有效备选目标作为重检测的可靠目标输出,若所有的备选目标的相关滤波输出的峰值旁瓣比均小于等于设定的门限值,则认为此次重检测过程未检测出目标。