[發(fā)明專利]一種基于多任務聯(lián)合稀疏表示的目標跟蹤方法

有效

• 申請?zhí)枺?/td>: 201210592986.7
• 申請日: 2012-12-31
• 公開（公告）號: CN103077535A
• 公開（公告）日: 2013-05-01
• 發(fā)明（設計）人: 胡衛(wèi)明;李威
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06T7/20
• 分類號: G06T7/20
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 宋焰琴

技術領域

本發(fā)明涉及計算機視覺領域，特別涉及一種基于多任務聯(lián)合稀疏表示的目標跟蹤方法。

背景技術

復雜場景下目標的運動跟蹤是近些年來計算機視覺領域里的前沿研究方向之一，也是該領域中難點之一。特別是動態(tài)場景下的目標運動分析受到了世界上許多重要研究機構的高度重視。跟蹤問題等價于在連續(xù)的圖像幀之間創(chuàng)建基于位置、速度、形狀、紋理、色彩等有關特征的對應匹配問題。眾所周知，區(qū)域跟蹤的核心就是如何對目標進行有效的表達，而目標表達大多數(shù)是通過目標表觀建模來實現(xiàn)的。因此，如何構建一個好的表觀模型對目標的區(qū)域跟蹤起著至關重要的作用。特別是在時序數(shù)據(jù)流中，目標的表觀是隨著時間而變化的，同時還可能受到各種因素的干擾。此外，還要滿足實際應用的低計算復雜度的要求。

最近，基于稀疏表示的跟蹤方法開始逐漸受到人們的關注。在稀疏表示的框架下，候選目標由一系列目標模板和自定義的小模板線性組合而成。目標模板表示的是需要跟蹤的目標，根據(jù)第一幀手動給定的初始化位置得到。自定義的小模板是為了處理噪聲和遮擋用的，每個小模板只有一個像素的值不為零，不同的小模板對應著目標模板不同的像素，因此如果一個小模板對應的系數(shù)不為零，則表明其對應的像素有可能被噪聲或者其他目標給干擾。所以在稀疏表示的框架下，通過小模板與目標模板的組合，遮擋和噪聲能夠在統(tǒng)一的框架下被有效地處理，而不需要采用其他策略。同時更新目標的表觀模型也非常方便。只需要用最新得到的跟蹤結果去代替舊的目標模板集合就行。然而在，傳統(tǒng)的稀疏表示框架下，構建模板的時候只采用了灰度特征，但是灰度特征有時候不能夠區(qū)分跟蹤目標與背景或者其他目標，在這種情況下就會造成跟蹤的失敗。因此融合更多的特征，比如形狀、紋理等能夠使得跟蹤結果更加魯棒。但是在傳統(tǒng)的稀疏表示框架下，無法有效地把這些特征融合在一起。

發(fā)明內容

(一)要解決的技術問題

為了解決現(xiàn)有技術的問題，本發(fā)明目的在于提出一種適用于移動攝像機的復雜場景下(劇烈運動、光照變化，噪聲，部分遮擋，形變等)魯棒的目標跟蹤系統(tǒng)和方法。

(二)技術方案

為實現(xiàn)上述目的，本發(fā)明提出一種基于多任務聯(lián)合稀疏表示的目標跟蹤方法，其包括以下步驟：

步驟1：根據(jù)所要跟蹤的目標的不同特征，構建不同的目標模板集合；

步驟2：對于每個特征的目標模板集合用一個稀疏表示的任務，構建基于局部稀疏圖的多任務聯(lián)合稀疏表示模型，其中，每個任務對應一個所述特征；

步驟3：采用近似的加速近鄰梯度算法迭代求解所述多任務聯(lián)合稀疏表示模型，得到每個任務的最優(yōu)系數(shù)；

步驟4：使用每個任務對應的特征下跟蹤目標和背景區(qū)域顏色直方圖的方差比來選擇不同任務的權重；

步驟5：根據(jù)不同任務的所述最優(yōu)系數(shù)和所選擇的不同權重構建基于多任務聯(lián)合稀疏表示的表觀模型，采用粒子濾波算法估計目標的最優(yōu)狀態(tài)作為跟蹤結果。

(三)有益效果

本發(fā)明提供的系統(tǒng)和方法采用多任務聯(lián)合稀疏表示來對需要跟蹤的目標進行表觀建模，有效地融合了目標表觀的多種特征，得到了比單特征更加魯棒的跟蹤結果。

附圖說明

圖1是本發(fā)明中基于多任務聯(lián)合稀疏表示的目標跟蹤方法的流程圖。

具體實施方式

為使本發(fā)明的目的、技術方案和優(yōu)點更加清楚明白，以下結合具體實施例，并參照附圖，對本發(fā)明作進一步的詳細說明。

本發(fā)明的方法具體運行的硬件和編程語言并不限制，用任何語言編寫都可以完成。

圖1為本發(fā)明所提供方法的流程圖。

步驟1：在跟蹤開始時，分別對需要跟蹤的目標的不同特征構建不同的模板集合；

步驟2：每個特征的模板集合用一個稀疏表示的任務來建模，構建基于局部稀疏圖的多任務聯(lián)合稀疏表示模型；

步驟3：采用近似的加速近鄰梯度算法迭代求解多任務模型；

步驟4：使用方差比來選擇不同任務的權重；

步驟5：構建基于多任務聯(lián)合稀疏表示的表觀模型，采用粒子濾波算法估計目標最優(yōu)狀態(tài)作為跟蹤結果。

下面將對各個步驟的細節(jié)進行詳細說明。

步驟1：在跟蹤開始時，分別對需要跟蹤的目標的不同特征，構建不同的模板集合。

在視頻序列的第一幀，手動的給定需要跟蹤的目標。對黑白圖像，采用圖像的灰度、紋理和形狀等特征，來構建不同的目標模板集合；對彩色圖像，采用圖像的灰度、飽和度、強度、邊緣和紋理等特征，來構建不同的目標模板集合。