素；
[0079] 所有粒子在初始化后的初始狀態(tài)及其對(duì)應(yīng)的權(quán)重定義如下：
[0081] 其中，Sjj表示第i個(gè)粒子的狀態(tài)，N表示粒子的個(gè)數(shù)（一般可設(shè)定為600)。
[0082] 步驟S2,通過(guò)微小地改變目標(biāo)狀態(tài)，獲得正樣本，通過(guò)在目標(biāo)周?chē)M(jìn)行隨機(jī)采樣， 獲得負(fù)樣本，在本實(shí)施例中，正樣本采樣49個(gè)，負(fù)樣本采樣100個(gè)，在隨后幀中進(jìn)行目標(biāo)跟 蹤時(shí)，通過(guò)替換非支持向量的樣本來(lái)對(duì)正負(fù)樣本進(jìn)行更新，在本實(shí)施例中，每隔5幀，替換1 個(gè)非支持向量的正樣本，替換5個(gè)非支持向量的負(fù)樣本。
[0083] 步驟S3,采用正樣本和負(fù)樣本訓(xùn)練支持向量機(jī)，如圖2所示，步驟S3具體包括：
[0084] 步驟S31，對(duì)每一個(gè)樣本提取多個(gè)特征，針對(duì)每個(gè)特征，計(jì)算核矩陣；其中，多個(gè)特 征包括RGB顏色特征、梯度方向特征及HUE顏色特征，其對(duì)應(yīng)的核矩陣為：
[0089] 其中，&為RGB顏色特征對(duì)應(yīng)的核矩陣，K 2為梯度方向特征對(duì)應(yīng)的核矩陣，K 3為 HUE顏色特征對(duì)應(yīng)的核矩陣，民和Hk分別表示第j和k個(gè)樣本的特征直方圖，B表示直方圖 的總Bin數(shù)，在本實(shí)施例中，顏色直方圖的大小為B = 16 X 16 X 16 (每個(gè)通道16個(gè)Bin)，梯 度方向直方圖的大小為B = 9X4(圖像橫豎均分為4塊，且考慮9個(gè)方向），Rnxn表示nXn 的矩陣，η為樣本數(shù)量。
[0090] 步驟S32,構(gòu)造理想核矩陣，并利用理想核矩陣進(jìn)行多核融合；其中，理想核矩陣 ^ideal 的表達(dá)式為：
[0092] 根據(jù)本發(fā)明的一種實(shí)施方式，多核融合的定義如下：
[0094] 其中，K_b表示融合后的核矩陣，β i表示非負(fù)組合系數(shù)，非負(fù)組合系數(shù)β i通過(guò)優(yōu) 化多核融合目標(biāo)得到，其目標(biāo)函數(shù)定義如下：
[0097] 其中，λ表示加權(quán)系數(shù)，^為均勻加權(quán)系數(shù)，K1為第i個(gè)特征對(duì)應(yīng)的核矩陣。
[0098] 步驟S33,利用融合后的矩陣，進(jìn)行支持向量機(jī)訓(xùn)練，其中，訓(xùn)練支持向量機(jī)的目標(biāo) 函數(shù)為：
[0102] 其中，α種α廣示對(duì)偶變量，C為正則化參數(shù)，y滿(mǎn)y』分別為第i個(gè)和j個(gè)粒 子的標(biāo)簽（標(biāo)簽取1或者〇)。
[0103] 根據(jù)本發(fā)明的一種實(shí)施方式，支持向量機(jī)f的定義如下：
[0105] 其中，K(i,)表不樣本與第i個(gè)樣本形成的核，b表不分類(lèi)器的偏置項(xiàng)。
[0106] 步驟S4,在視頻的隨后幀，以支持向量機(jī)的分類(lèi)結(jié)果為觀測(cè)模型，通過(guò)粒子濾波來(lái) 跟蹤目標(biāo)。如圖3所示，步驟S4具體包括：
[0107] 步驟S41，對(duì)粒子進(jìn)行狀態(tài)轉(zhuǎn)移；其中，狀態(tài)轉(zhuǎn)移函數(shù)p定義如下：
[0109] 其中，GauDistC )表示以S:U為均值、Σ為協(xié)方差的高斯隨機(jī)函數(shù)，<_:1表示第 t-Ι時(shí)刻第i個(gè)粒子的狀態(tài)。
[0110] 步驟S42,基于支持向量機(jī)的分類(lèi)結(jié)果，將粒子的權(quán)重更新，其中，粒子的權(quán)重更新 的定義如下：
[0112] 其中，表示第t-Ι時(shí)刻第i個(gè)粒子的權(quán)重，f為SVM分類(lèi)器的輸出結(jié)果，仁表 不第t幀圖像，A和B是系數(shù)，在本實(shí)施例中，A = -10, B = 0。
[0113] 步驟S43,根據(jù)新的權(quán)重計(jì)算目標(biāo)的位置，其中，目標(biāo)位置計(jì)算表達(dá)式為：
[0115] 其中，《和％分別表示第t時(shí)刻第i個(gè)粒子的狀態(tài)和權(quán)重。
[0116] 步驟S44,根據(jù)新的權(quán)重，重采樣得到新粒子。
[0117] 圖4給出了基于目標(biāo)狀態(tài)，獲取正負(fù)樣本的示意圖。圖4(a)中小框表示目標(biāo)，小 框和大框之間表示局部背景；圖4(b)表示采集的正樣本，共49個(gè)；圖4(c)表示采集的負(fù)樣 本，共100個(gè)，負(fù)樣本的中心點(diǎn)在局部背景范圍內(nèi)。
[0118] 圖5給出了跟蹤效果對(duì)比的示意圖。為驗(yàn)證本發(fā)明所提出的方法，在真實(shí)視頻上 進(jìn)行了實(shí)驗(yàn)驗(yàn)證。圖5中人物周?chē)目蚴潜景l(fā)明的結(jié)果，其他框是使用均勻加權(quán)得到的結(jié) 果。從實(shí)驗(yàn)結(jié)果中可以看出，本發(fā)明所述的方法可以有效地跟蹤目標(biāo)。
[0119] 以上所述的具體實(shí)施例，對(duì)本發(fā)明的目的、技術(shù)方案和有益效果進(jìn)行了進(jìn)一步詳 細(xì)說(shuō)明，所應(yīng)理解的是，以上所述僅為本發(fā)明的具體實(shí)施例而已，并不用于限制本發(fā)明，凡 在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保 護(hù)范圍之內(nèi)。
【主權(quán)項(xiàng)】
1. 一種基于多核融合的視頻中目標(biāo)跟蹤方法，其特征在于，包括： 步驟Sl，在所述視頻的初始幀，根據(jù)目標(biāo)初始狀態(tài)，初始化所有粒子； 步驟S2,通過(guò)改變目標(biāo)狀態(tài)，獲得正樣本，通過(guò)在目標(biāo)周?chē)M(jìn)行隨機(jī)采樣，獲得負(fù)樣 本； 步驟S3,采用所述正樣本和負(fù)樣本訓(xùn)練支持向量機(jī)； 步驟S4,在所述視頻的隨后幀，以所述支持向量機(jī)的分類(lèi)結(jié)果為觀測(cè)模型，通過(guò)粒子濾 波來(lái)跟蹤目標(biāo)。2. 根據(jù)權(quán)利要求1所述的目標(biāo)跟蹤方法，其特征在于，在所述步驟Sl中，目標(biāo)初始狀態(tài) s定義如下： s= [x,y,h,w], 其中，x表示目標(biāo)的中心位置的橫坐標(biāo)，y表示目標(biāo)的中心位置的縱坐標(biāo)，h表示目標(biāo)的 高度，w表示目標(biāo)的寬度，x，y，h，w的單位均為像素； 所有粒子在初始化后的初始狀態(tài)及其對(duì)應(yīng)的權(quán)重定義如下：其中，Sb表示第i個(gè)粒子的狀態(tài)，N表示粒子的個(gè)數(shù)。3. 根據(jù)權(quán)利要求1所述的目標(biāo)跟蹤方法，其特征在于，所述步驟S3包括： 步驟S31，對(duì)每一個(gè)樣本提取多個(gè)特征，針對(duì)每個(gè)特征，計(jì)算核矩陣； 步驟S32,構(gòu)造理想核矩陣，并利用所述理想核矩陣進(jìn)行多核融合； 步驟S33,利用融合后的矩陣，進(jìn)行支持向量機(jī)訓(xùn)練。4. 根據(jù)權(quán)利要求3所述的目標(biāo)跟蹤方法，其特征在于，所述多個(gè)特征包括RGB顏色特 征、梯度方向特征及HUE顏色特征，其對(duì)應(yīng)的核矩陣為：K1GRnXn，i= 1，2, 3， 其中，1為RGB顏色特征對(duì)應(yīng)的核矩陣，K2為梯度方向特征對(duì)應(yīng)的核矩陣，K3為HUE顏 色特征對(duì)應(yīng)的核矩陣，民和Hk分別表示第j和k個(gè)樣本的特征直方圖，B表示直方圖的總 Bin數(shù)，Rnxn表示nXn的矩陣，n為樣本數(shù)量。5. 根據(jù)權(quán)利要求4所述的目標(biāo)跟蹤方法，其特征在于，理想核矩陣Kldeal的表達(dá)式為：6. 根據(jù)權(quán)利要求5所述的目標(biāo)跟蹤方法，其特征在于，所述多核融合的定義如下：其中，Kranib表示融合后的核矩陣，Pi表示非負(fù)組合系數(shù)。7. 根據(jù)權(quán)利要求6所述的目標(biāo)跟蹤方法，其特征在于，非負(fù)組合系數(shù)Pi通過(guò)優(yōu)化多核 融合目標(biāo)得到，其目標(biāo)函數(shù)定義如下：s.t. 0 0,i= 1，2, 3 其中，A表示加權(quán)系數(shù)，萬(wàn):為均勻加權(quán)系數(shù)，K1為第i個(gè)特征對(duì)應(yīng)的核矩陣。8. 根據(jù)權(quán)利要求7所述的目標(biāo)跟蹤方法，其特征在于，訓(xùn)練所述支持向量機(jī)的目標(biāo)函 數(shù)為：〇 <aAC，i= 1，2, ? ??，n 其中，a滿(mǎn)a廣示對(duì)偶變量，C為正則化參數(shù)，y滿(mǎn)y炎別為第i個(gè)和j個(gè)粒子的 標(biāo)簽。9. 根據(jù)權(quán)利要求8所述的目標(biāo)跟蹤方法，其特征在于，所述支持向量機(jī)f?的定義如下：其中，K(i,)表不樣本與第i個(gè)樣本形成的核，b表不分類(lèi)器的偏置項(xiàng)。10. 根據(jù)權(quán)利要求9所述的目標(biāo)跟蹤方法，其特征在于，所述步驟S4包括： 步驟S41，對(duì)所述粒子進(jìn)行狀態(tài)轉(zhuǎn)移； 步驟S42,基于所述支持向量機(jī)的分類(lèi)結(jié)果，將所述粒子的權(quán)重更新； 步驟S43,根據(jù)新的權(quán)重計(jì)算目標(biāo)的位置； 步驟S44,根據(jù)新的權(quán)重，重采樣得到新粒子。11. 根據(jù)權(quán)利要求10所述的目標(biāo)跟蹤方法，其特征在于，采用狀態(tài)轉(zhuǎn)移函數(shù)對(duì)所述粒 子進(jìn)行狀態(tài)轉(zhuǎn)移，所述狀態(tài)轉(zhuǎn)移函數(shù)P定義如下：其中，GauDist(.)表示以SU為均值、5：為協(xié)方差的高斯隨機(jī)函數(shù)，S^i表示第t-1時(shí) 刻第i個(gè)粒子的狀態(tài)。12. 根據(jù)權(quán)利要求11所述的目標(biāo)跟蹤方法，其特征在于，所述粒子的權(quán)重更新的定義 如下：其中，表示第t-1時(shí)刻第i個(gè)粒子的權(quán)重，f?為SVM分類(lèi)器的輸出結(jié)果，It表示第t幀圖像，A和B是系數(shù)。13. 根據(jù)權(quán)利要求12所述的目標(biāo)跟蹤方法，其特征在于，所述目標(biāo)位置計(jì)算表達(dá)式為：其中，Sf和％:分別表示第t時(shí)刻第i個(gè)粒子的狀態(tài)和權(quán)重。14. 根據(jù)權(quán)利要求1所述的目標(biāo)跟蹤方法，其特征在于，在所述隨后幀中進(jìn)行目標(biāo)跟蹤 時(shí)，通過(guò)替換非支持向量的樣本來(lái)對(duì)所述樣本進(jìn)行更新。
【專(zhuān)利摘要】本發(fā)明提供一種基于多核融合的視頻中目標(biāo)跟蹤方法，在視頻初始幀，通過(guò)手工標(biāo)注目標(biāo)的初始狀態(tài)，生成粒子的初始狀態(tài)以及權(quán)重，通過(guò)正負(fù)樣本訓(xùn)練基于多核融合后的核的SVM，在隨后幀，利用粒子濾波跟蹤目標(biāo)；其中，每個(gè)粒子的觀測(cè)由分類(lèi)結(jié)果定義，在得到目標(biāo)的最終估計(jì)位置后，每隔一定幀，獲得正負(fù)樣本并替換部分非支持向量的樣本。本發(fā)明能有效地處理目標(biāo)跟蹤中光照、姿態(tài)變化以及背景復(fù)雜等難點(diǎn)，并能有效地處理背景與目標(biāo)相似的難點(diǎn)。
【IPC分類(lèi)】G06T7/20
【公開(kāi)號(hào)】CN105046723
【申請(qǐng)?zhí)枴緾N201510549161
【發(fā)明人】汪凌峰, 潘春洪
【申請(qǐng)人】中國(guó)科學(xué)院自動(dòng)化研究所
【公開(kāi)日】2015年11月11日
【申請(qǐng)日】2015年8月31日