一种基于外观模型的学习型视觉追踪方法

摘要

本发明提供了一种基于外观模型的学习型视觉追踪方法，该方法首先把图像帧划分成若干超像素区域，然后把分割后的超像素区域聚为正包集和负包集，正包集和负包集可以解释为准确的前景和背景划分；最后使用一个贪心搜索算法来学习每个包的分布，每个包的权重取决于显著性的大小。与现有的基于超像素的建模方法相比，本发明的建模方法在学习过程中没有使用迭代，而是通过一种多示例的学习任务对外观模型进行了建模，克服了基于边界框建模方法自身的局限性，提高了计算效率，能够适用于实时的目标追踪应用；此外，提出了一个两步的过程来进行置信度的划分，保证了置信度划分的有效性，从而大大提高了目标追踪的准确性。