专利名称 ---【 基于时空结构上下文关系在线学习的目标跟踪方法 】

基本信息
申请号
CN201210359621.X
申请日
20120924
公开(公告)号
CN102999766B
公开(公告)日
20130327
申请(专利权)人
北京中科奥森数据科技有限公司
申请人地址
100190 北京市海淀区中关村东路95号
发明人
李子青;文珑银;雷震;易东; 专利类型 发明专利
摘要
本发明公开了一种基于时空结构上下文关系在线学习的目标跟踪方法,用于对视频中出现的目标图像进行跟踪,该方法包括如下步骤:建立目标跟踪的时间结构上下文模型和空间结构上下文模型;在该视频帧中对目标可能出现的区域进行采样,得到采样图像;将所述采样图像输入所述时间结构上下文模型和空间结构上下文模型中,得到该采样图像中的各采样点为目标所在区域的时间概率结果和空间概率结果;将所述空间概率结果和时间概率进行融合,得到各采样点属于目标区域的后验概率,将所述后验概率的最大值所对应的采样点作为目标跟踪的最终结果。本发明能够在事先不了解目标任何信息,不了解目标所在场景的任何信息条件下,通过对目标表象特征的自动在线学习,准确的将目标的位置定位出来。
主权项
一种目标跟踪方法,用于对视频中出现的目标图像进行跟踪,其特征在于,包括如下步骤:建立目标跟踪的时间结构上下文模型和空间结构上下文模型,所述时间结构上下文模型为其中U(Zt)是该时间结构上下文模型中的候选目标概率所对应的能量函数,Zt为目标在时刻t的状态信息,Ot为目标在时刻t的观测值,O1:t为目标从时刻1到时刻t之间的所有观测值,重建误差ε(Ot),q为子空间建立时的压缩维度,σt表示压缩维度过程中的能量损失量,Gi,t表示将目标观察量投影到的隐空间中间变量,结构Ωt=(μt,Vt,Λt,nt)中分别表示在时刻t的样本均值、特征向量、特征向量值以及子空间样本数量,λi,t为时刻t的特征值,d为样本特征维度;在视频帧中对目标可能出现的区域进行采样,得到采样图像;将所述采样图像输入所述时间结构上下文模型和空间结构上下文模型中,得到该采样图像中的各采样点为目标所在区域的时间概率结果和空间概率结果;将所述空间概率结果和时间概率结果进行融合,得到各采样点属于目标区域的后验概率,将所述后验概率的最大值所对应的采样点作为目标跟踪的最终结果。

 

IPC信息
IPC主分类号
G06K9/66

 

法律状态信息
法律状态公告日
20160921
法律状态
专利申请权、专利权的转移 法律状态信息
CN201210359621 20160330 专利申请权、专利权的转移 专利申请权的转移IPC(主分类):G06K 9/66登记生效日:20160309变更事项:申请人变更前权利人:中国科学院自动化研究所变更后权利人:中国科学院自动化研究所变更事项:地址变更前权利人:100190 北京市海淀区中关村
法律状态公告日
20160518
法律状态
授权 法律状态信息
CN201210359621 20130424 实质审查的生效 实质审查的生效IPC(主分类):G06K 9/66申请日:20120924
法律状态公告日
20160330
法律状态
专利申请权、专利权的转移 法律状态信息
CN201210359621 20130327 公开 公开
法律状态公告日
20130424
法律状态
实质审查的生效 法律状态信息
实质审查的生效
法律状态公告日
20130327
法律状态
公开 法律状态信息
公开

 

代理信息
代理机构名称
中科专利商标代理有限责任公司 11021
代理人姓名
宋焰琴

 

被引专利信息
引用阶段 被引时间 专利号 申请人 公开时间

 

被引非专利信息
引用阶段 被引时间 被引文档类型 被引文档信息


| 联系我们 | 网站地图 | 版权声明 |

版权:中国科学院 主办:中国科学院科技促进发展局 承办:中国科学院成都文献情报中心 蜀ICP备05003827号-12

建议使用1024×768 分辨率 IE6.0以上版本浏览器