-
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
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：CN106920253A
公开(公告)日：2017-07-04
申请号：CN201710073835.3
申请日：2017-02-10
Applicant: 华中科技大学
CPC classification number: G06T2207/10016 , G06T2207/20016 , G06T2207/30232
Abstract: 本发明公开了一种基于遮挡分层的多目标跟踪方法，包括：构建背景场景，在背景场景上进行分割处理获得背景场景的层次模型，对当前帧图像和背景场景进行背景差分处理提取前景区域的形位参数，确定当前帧图像中前景区域和上一帧图像中目标关联关系，若一个前景区域与一个目标关联，则用单目标跟踪方法获得该目标在当前帧图像中的状态，若一个前景区域与多个目标关联，则用马尔可夫链蒙特卡洛采样方法获得多个目标在当前帧图像中的状态，若一个前景区域不与任何目标关联，则认为该前景区域为新进目标。本发明解决了多目标跟踪中由于目标间遮挡以及目标与背景遮挡导致的跟踪失败问题，适用于开放式环境下依赖于目标跟踪技术的智能视频监控系统。
-
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
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.
-
-
Search Results
3
records
(took 0.016 seconds)
