公开(公告)号：CN104112282A

公开(公告)日：2014-10-22

申请号：CN201410333142.X

申请日：2014-07-14

Applicant: 华中科技大学

Inventor： 项俊 ,  桑农 ,  高常鑫 ,  陈飞飞 ,  况小琴 ,  王润民

IPC: G06T7/20

Abstract: 本发明公开了一种基于在线学习的监控视频中运动目标跟踪方法，其首先利用离线训练的特定类别测器检测出视频序列中目标区域；然后结合外观特性，采用双阈值保守关联思路关联相邻两帧之间的目标，得到可靠保守的短跟踪片；再在得到的跟踪片上，利用时空域分布约束信息，定义正负样本集，分别提取颜色、纹理外观特征相似度以及运动信息，作为在线学习器训练特征集，通过机器学习在线学习算法的训练过程，得到轨迹片分布规律上基于运动和外观特性的概率统计特性；最后将两轨迹片关联形式化为求解基于运动和外观的联合后验概率最大问题。本发明缓解了近距离外观相似的拥挤场景下多运动目标跟踪问题出现的轨迹身份标定误切换问题。

公开(公告)号：CN104112282B

公开(公告)日：2017-01-11

申请号：CN201410333142.X

申请日：2014-07-14

Applicant: 华中科技大学

Inventor： 项俊 ,  桑农 ,  高常鑫 ,  陈飞飞 ,  况小琴 ,  王润民

IPC: G06T7/20

Abstract: 本发明公开了一种基于在线学习的监控视频中运动目标跟踪方法，其首先利用离线训练的特定类别测器检测出视频序列中目标区域；然后结合外观特性，采用双阈值保守关联思路关联相邻两帧之间的目标，得到可靠保守的短跟踪片；再在得到的跟踪片上，利用时空域分布约束信息，定义正负样本集，分别提取颜色、纹理外观特征相似度以及运动信息，作为在线学习器训练特征集，通过机器学习在线学习算法的训练过程，得到轨迹片分布规律上基于运动和外观特性的概率统计特性；最后将两轨迹片关联形式化为求解基于运动和外观的联合后验概率最大问题。本发明缓解了近距离外观相似的拥挤场景下多运动目标跟踪问题出现的轨迹身份标定误切换问(56)对比文件Cheng-Hao Kuo et al.Multi-TargetTracking by On-Line LearnedDiscriminative Appearance Models《.2010IEEE Conference on Computer Vision andPattern Recognition》.2010,全文.Bo Yang and Ram Nevatia.An OnlineLearned CRF Model for Multi-TargetTracking《.2012 IEEE Conference onComputer Vision and Pattern Recognition》.2012,全文.