[发明专利]一种实时的视频跟踪方法

摘要

本发明公开了一种实时的视频跟踪方法，包括以下步骤：首先，通过将跟踪目标分割成子块的方式压缩图像特征；其次，通过构建多尺度的候选区域以适应跟踪目标的尺度变化以及快速移动；最后，利用KCF（核化相关滤波器）算法计算特征向量之间的相关性以达到视频跟踪的目的。本发明实现了多种场景下常见目标的准确跟踪，且完全满足实时性的要求，具备非常高的实用价值。

主权项

一种实时的视频跟踪方法，其特征在于，包括以下步骤：1）视频的第m帧，标出需要跟踪的目标区域ROI，其中1 ≤ m < M，M为视频的全部帧数；2）对目标区域ROI提取特征；3）将步骤2）提取的特征进行在线训练，得到训练特征；4）视频的第（m+1）帧，在目标区域ROI的附近，生成T个多尺度的候选区域，对每个候选区域ROI_t提取特征RF_t，其中1≤t≤T；5）将T个特征{RF₁，RF₂，…，RF_t，…，RF_T}分别与训练特征进行相关运算，得到T个相关系数{C₁，C₂，…，C_t，…，C_T}以及T个偏移量{S₁，S₂，…，S_t，…，S_T}；6）从T个相关系数{C₁，C₂，…，C_t，…，C_T}中，选择最优的1个C_i；7）如果C_i大于一阈值T₁，则用C_i对应的候选区域ROI_i的大小以及偏移量S_i更新ROI，并将更新后的ROI作为样本进行在线训练、更新训练特征，进入步骤12），否则进入步骤8）；8）如果步骤6）中的C_i小于一阈值T₂，则生成ReT个二次候选区域，对每个二次候选区域ReROI_t提取特征ReRF_t，其中1≤t≤ReT，否则进入步骤12）；9）将ReT个特征{ReRF₁，ReRF₂，…，ReRF_t，…，ReRF_ReT}分别与训练特征进行相关运算，得到ReT个相关系数{ReC₁，ReC₂，…，ReC_t，…，ReC_ReT}以及ReT个偏移量{ReS₁，ReS₂，…，ReS_t，…，ReS_ReT}；10）从ReT个相关系数{ReC₁，ReC₂，…，ReC_t，…，ReC_ReT}中选择最优的1个ReC_i；11）如果ReC_i大于一阈值T₃，则用ReC_i对应的ReROI_i的大小以及偏移量ReS_i更新ROI，并将更新后的ROI作为样本进行在线训练、更新训练特征，进入步骤13），否则进入步骤14）；12）如果C_i大于一阈值T₄,则用C_i对阈值T₁进行滤波更新，进入步骤14），否则直接进入步骤14）；13）如果ReC_i大于一阈值T₅,则用ReC_i对阈值T₃进行滤波更新；14）m加1，如果m = M，结束，否则进入步骤4）。