亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

一種基于加權(quán)局部余弦相似度的目標跟蹤算法的制作方法

文檔序號:11200237閱讀:1907來源:國知局
一種基于加權(quán)局部余弦相似度的目標跟蹤算法的制造方法與工藝

本發(fā)明屬于視覺跟蹤領(lǐng)域,涉及一種基于加權(quán)局部余弦相似度的目標跟蹤算法。



背景技術(shù):

目標跟蹤是計算機視覺領(lǐng)域中一個非常熱門的研究課題,原因在于它在車輛導航、交通監(jiān)控和人機交互等方面具有重要的意義。盡管目標跟蹤這個課題被研究了幾十年,許許多多的跟蹤算法被提出,但是它仍然是一個非常具有挑戰(zhàn)性的問題。因為目標受各種因素的干擾,例如,光照變化、姿態(tài)變化、完全或部分遮擋以及突然的運動等等。因此,在上述因素的干擾下,開發(fā)一個高性能跟蹤系統(tǒng)是一個具有挑戰(zhàn)性的問題。

那么,為了解決這些問題,本發(fā)明提出了一種基于加權(quán)局部余弦相似度的目標跟蹤算法。該算法用局部余弦相似度來衡量目標模板和候選模板的相似程度;為了給每個局部的判別能力建模,該算法中設(shè)計了一個目標函數(shù),然后通過二次規(guī)劃方法解決這個函數(shù)獲得每一個局部的判別權(quán)值;之后設(shè)計了一個簡單的方法來對目標模板進行更新,以適應(yīng)目標外觀的變化。



技術(shù)實現(xiàn)要素:

本發(fā)明提出了一種基于加權(quán)局部余弦相似度的目標跟蹤算法,目的在于克服上述現(xiàn)有技術(shù)的不足,得到一種新穎的、魯棒性高和準確率高的目標跟蹤算法。

為了實現(xiàn)上述目的,本發(fā)明的技術(shù)方案為:

一種基于加權(quán)局部余弦相似度的目標跟蹤算法,包括以下步驟:

第一步,取第t幀圖像o,將圖像通過下式(1)

gray(o)=r(o)(1)

從rgb色彩空間映射到灰度值空間,其中r為圖像o的r通道;

第二步,根據(jù)上一幀跟蹤結(jié)果通過隨機漫步的方式進行采樣,得到一個候選集y即一個圖像塊集合dr={z|||i(z)-it-1||<r},其中,it-1為t-1幀中目標的位置,r為采樣范圍;

第三步,將目標模板劃分為m個局部塊,即其中為第i個局部塊且m=d/l,同樣將獲得的每一個候選模板進行以上相同的處理,即第j個候選模板為

第四步,基于it-1,在當前幀中采樣得到正負樣本集dα={z|||i(z)-it||<α}和其中在算法中,α=1,β=10;

第五步,通過下列一個目標函數(shù)(2)和加權(quán)余弦相似度(3)求解權(quán)值向量w

其中swl(t,yj)為加權(quán)局部余弦相似度,為余弦相似度,wi代表第i個局部塊的判別權(quán)值,分別代表正負樣本加權(quán)局部余弦相似度的平均值,為正則化項,w'=(w′1,w'2,…,w'm)代表指示向量;

第六步,對于每一個候選模板,通過下式(4)來計算其時目標的可能性

可能性最大的所對應(yīng)的那個候選模板就是跟蹤到的目標,位置記為it;

第七步,基于it,摘取相應(yīng)的圖像塊通過下式(5)對目標模板進行更新

其中,ε=0.85為預定義閾值,η=0.95為更新參數(shù);

第八步,輸出第t幀跟蹤到的目標位置it和更新后的目標模板。

本發(fā)明的有益效果為:該方法區(qū)別于已有方法的特色在于,用局部余弦相似度來衡量目標模板和候選模板的相似程度;為了給每個局部的判別能力建模,該算法中設(shè)計了一個目標函數(shù),然后通過二次規(guī)劃方法解決這個函數(shù)獲得每一個局部的判別權(quán)值;之后設(shè)計了一個簡單的方法來對目標模板進行更新,以適應(yīng)目標外觀的變化。該算法在各種干擾因素下具有魯棒性和準確性。

附圖說明

圖1是本發(fā)明方法的流程示意圖。

具體實施方式

下面結(jié)合附圖對本發(fā)明的實施方式進行詳細說明,并給出了詳細的實施方式和具體的操作過程。

實驗平臺為win10,實驗環(huán)境為matlabr2012a。實現(xiàn)本發(fā)明的具體步驟為:

第一步,取第t幀圖像o,將圖像通過下式(1)

gray(o)=r(o)(1)從rgb色彩空間映射到灰度值空間,其中r為圖像o的r通道;

第二步,根據(jù)上一幀跟蹤結(jié)果通過隨機漫步的方式進行采樣,得到一個候選集y即一個圖像塊集合dr={z|||i(z)-it-1||<r},其中,it-1為t-1幀中目標的位置,r為采樣范圍;

第三步,將目標模板劃分為m個局部塊,即其中為第i個局部塊且m=d/l,同樣將獲得的每一個候選模板進行以上相同的處理,即第j個候選模板為

第四步,基于it-1,在當前幀中采樣得到正負樣本集dα={z|||i(z)-it||<α}和其中在算法中,α=1,β=10;

第五步,通過下列一個目標函數(shù)(2)和加權(quán)余弦相似度(3)求解權(quán)值向量w

其中swl(t,yj)為加權(quán)局部余弦相似度,為余弦相似度,wi代表第i個局部塊的判別權(quán)值,分別代表正負樣本加權(quán)局部余弦相似度的平均值,為正則化項,w'=(w′1,w'2,…,w'm)代表指示向量;

第六步,對于每一個候選模板,通過下式(4)來計算其時目標的可能性

可能性最大的所對應(yīng)的那個候選模板就是跟蹤到的目標,位置記為it;

第七步,基于it,摘取相應(yīng)的圖像塊通過下式(5)對目標模板進行更新

其中,ε=0.85為預定義閾值,η=0.95為更新參數(shù);

第八步,輸出第t幀跟蹤到的目標位置it和更新后的目標模板。

該算法在各種干擾因素下具有魯棒性和準確性。

當前第1頁1 2 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1