一种基于增量有监督梯度下降的层次化跟踪方法

摘要

本发明公开了计算机视觉领域内的一种基于增量有监督梯度下降的层次化跟踪方法，包括以下步骤：初始化；在首帧标注的目标位置附近，以高斯分布采集若干样本，并提取特征，训练一个层次化回归模型；目标定位；在新的一帧中，在上一帧跟踪结果附近以高斯分布采集若干样本，根据层次回归模型分别从这些样本回归到跟踪结果，并融合这些结果，得到定位目标；在线采集训练样本；在跟踪结果附近，以高斯分布采集样本，并将这些样本通过层次回归得到其他层的样本，以供定期模型更新使用；增量模型更新；通过增量学习方式，在线地更新层次回归模型；迭代跟踪；重复步骤2到步骤4直到完整视频跟踪完成，得到更稳定的跟踪结果，可用于人工智能设备中。