一種基于數(shù)據(jù)集補償?shù)倪\動目標(biāo)檢測跟蹤算法的評估方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及屬于視頻圖像處理領(lǐng)域，尤其涉及一種基于數(shù)據(jù)集補償?shù)倪\動目標(biāo)檢 測跟蹤算法的評估方法。
【背景技術(shù)】
[0002] 隨著計算機視覺領(lǐng)域的深遠(yuǎn)發(fā)展，目標(biāo)檢測、跟蹤算法層出不窮，自動目標(biāo)跟蹤系 統(tǒng)在我們生活中的廣泛應(yīng)用也越來越多，而這也帶來了多種多樣的復(fù)雜的應(yīng)用環(huán)境，導(dǎo)致 目標(biāo)成像形態(tài)各不相同，給計算機視覺算法對目標(biāo)的檢測、跟蹤帶來了困難。目標(biāo)檢測跟蹤 算法及其系統(tǒng)的評估工作是自動目標(biāo)跟蹤系統(tǒng)研制過程中最為基礎(chǔ)的階段。對算法的評估 不僅能夠?qū)ΜF(xiàn)有算法進行比較選擇，更能夠明確算法的進一步發(fā)展方向，促進算法的進一 步發(fā)展。因此，一種綜合的算法評估方法對運動目標(biāo)跟蹤領(lǐng)域十分必要。
[0003]目前的檢測、跟蹤算法評估方法一般依據(jù)人工標(biāo)定目標(biāo)位置的數(shù)據(jù)集來作為載 體，對數(shù)據(jù)集的依賴性很強，但算法評估的結(jié)果中卻往往不能從數(shù)字量上體現(xiàn)不同數(shù)據(jù)集 中影響算法運行結(jié)果的變化因素（以下簡稱變化因素）給算法結(jié)果帶來的性能影響，其中 外部環(huán)境變化因素遮擋、光照、相似干擾、目標(biāo)丟失和目標(biāo)自身變化因素尺度變化、運動速 度、剛體非剛體、小目標(biāo)等是目前發(fā)現(xiàn)的主要對算法性能干擾作用強烈的變化因素。與此同 時，由于人工標(biāo)定數(shù)據(jù)需要大量工作量，這也對數(shù)據(jù)集的進一步擴充也制約了評估準(zhǔn)確度 的發(fā)展。

【發(fā)明內(nèi)容】

[0004] 有鑒于此，本發(fā)明提供了一種一種基于數(shù)據(jù)集補償?shù)倪\動目標(biāo)檢測跟蹤算法的評 估方法，能夠?qū)\動目標(biāo)檢測跟蹤算法進行評估。
[0005] 本發(fā)明的一種基于數(shù)據(jù)集補償?shù)倪\動目標(biāo)檢測跟蹤算法的評估方法，包括如下步 驟：
[0006]步驟1、建立數(shù)據(jù)集庫，具體為：
[0007]S1-1:獲取運動目標(biāo)在不同場景和/或不同環(huán)境因素下運動過程的視頻數(shù)據(jù)集并 存入數(shù)據(jù)集庫，然后對各視頻數(shù)據(jù)集中的運動目標(biāo)的位置進行手動標(biāo)定；
[0008]S1-2,依據(jù)手動標(biāo)定結(jié)果，對各視頻數(shù)據(jù)集的變化因素進行量化，得到各變化因素 的量化因子；
[0009]S1-3,得到各視頻數(shù)據(jù)集的綜合量化因子，具體為：
[0010] a，從步驟1建立的數(shù)據(jù)集庫中選擇至少一個視頻數(shù)據(jù)集，作為算法評估使用；
[0011]b，根據(jù)被測試算法所應(yīng)用環(huán)境，選擇影響應(yīng)用環(huán)境的變化因素；
[0012] C，確定表征各變化因素對被評估算法影響大小的權(quán)值；
[0013]d，針對選擇出來的任意視頻數(shù)據(jù)集，根據(jù)S1-2的量化結(jié)果，確定選擇出來的各變 化因素的量化因子，再求變化因素的量化因子與對應(yīng)權(quán)值的乘積的均值，即為各該視頻數(shù) 據(jù)集的綜合量化因子；
[0014] 步驟2、算法結(jié)果演示：
[0015] 將選擇的視頻數(shù)據(jù)集輸入到被評估算法中運行，得到運行結(jié)果及運行時間，并顯 示；
[0016] 步驟3、對被測試算法的評估；
[0017] S3-1，分別對選擇出來的各個視頻數(shù)據(jù)集對應(yīng)的綜合量化因子進行歸一化處理， 其中，第m個視頻數(shù)據(jù)集對應(yīng)的綜合量化因子的歸一化值為
【主權(quán)項】
1. 一種基于數(shù)據(jù)集補償?shù)倪\動目標(biāo)檢測跟蹤算法的評估方法，其特征在于，包括如下 步驟： 步驟1、建立數(shù)據(jù)集庫，具體為： S1-1:獲取運動目標(biāo)在不同場景和/或不同環(huán)境因素下運動過程的視頻數(shù)據(jù)集并存入 數(shù)據(jù)集庫，然后對各視頻數(shù)據(jù)集中的運動目標(biāo)的位置進行手動標(biāo)定； S1-2,依據(jù)手動標(biāo)定結(jié)果，對各視頻數(shù)據(jù)集的變化因素進行量化，得到各變化因素的量 化因子； S1-3,得到各視頻數(shù)據(jù)集的綜合量化因子，具體為： a,從步驟1建立的數(shù)據(jù)集庫中選擇至少一個視頻數(shù)據(jù)集，作為算法評估使用； b，根據(jù)被測試算法所應(yīng)用環(huán)境，選擇影響應(yīng)用環(huán)境的變化因素； C，確定表征各變化因素對被評估算法影響大小的權(quán)值； d，針對選擇出來的任意視頻數(shù)據(jù)集，根據(jù)S1-2的量化結(jié)果，確定選擇出來的各變化因 素的量化因子，再求變化因素的量化因子與對應(yīng)權(quán)值的乘積的均值，即為各該視頻數(shù)據(jù)集 的綜合量化因子； 步驟2、算法結(jié)果演示： 將選擇的視頻數(shù)據(jù)集輸入到被評估算法中運行，得到運行結(jié)果及運行時間，并顯示； 步驟3、對被測試算法的評估； S3-1，分別對選擇出來的各個視頻數(shù)據(jù)集對應(yīng)的綜合量化因子進行歸一化處理，其中， 第m個視屏數(shù)據(jù)集對應(yīng)的綜合量化因子的歸一化值為
為第m個 視頻數(shù)據(jù)集對應(yīng)的綜合量化因子，完1U。和完分別表示所有視頻數(shù)據(jù)集對應(yīng)的綜合量化因 子的最小值和最大值； S3-2,將各個視頻數(shù)據(jù)集下的評估指標(biāo)對應(yīng)的闊值除W該視頻數(shù)據(jù)集對應(yīng)的綜合量化 因子的歸一化值，得到該視頻數(shù)據(jù)集下的評估指標(biāo)對應(yīng)的新闊值，基于該新闊值并結(jié)合目 標(biāo)位置的人工標(biāo)定結(jié)果化及步驟2的運行結(jié)果，得到W下S個評估指標(biāo)；P-R曲線、AUC值W 及P均值-R曲線； S3-3,根據(jù)步驟2的運行時間W及S3-2得到的評估指標(biāo)對被評估算法進行評估。
2. 如權(quán)利要求1所述的一種基于數(shù)據(jù)集補償?shù)倪\動目標(biāo)檢測跟蹤算法的評估方法，其 特征在于，將視頻數(shù)據(jù)集進行劃分，得到多個視頻數(shù)據(jù)子集，其中第i個視頻數(shù)據(jù)子集的起 始帖在視頻數(shù)據(jù)集中的序號為上一視頻數(shù)據(jù)子集的結(jié)束帖序號的1/2,結(jié)束帖的序號為上 一視頻數(shù)據(jù)子集的結(jié)束帖序號的2倍；當(dāng)最后一個視頻數(shù)據(jù)子集的帖數(shù)不足時，舍棄該視 頻數(shù)據(jù)子集，將之前的各視頻數(shù)據(jù)子集作為評估算法的視頻數(shù)據(jù)集使用。
3. 如權(quán)利要求1所述的一種基于數(shù)據(jù)集補償?shù)倪\動目標(biāo)檢測跟蹤算法的評估方法，其 特征在于，所述變化因素的量化因子包括；剛體因子、尺度變化因子、目標(biāo)運動因子、光照變 化因子、相似干擾因子、遮擋因子、目標(biāo)丟失因子W及小目標(biāo)因子。
4. 如權(quán)利要求3所述的一種基于數(shù)據(jù)集補償?shù)倪\動目標(biāo)檢測跟蹤算法的評估方法，其 特征在于，所述目標(biāo)運動因子的獲得方法為： a)根據(jù)S1-1中的手工標(biāo)定結(jié)果，對視頻數(shù)據(jù)集的第i帖，