[發明專利]基于增量Bi-2DPCA學習和稀疏表示的在線目標跟蹤方法

有效

• 申請號: 201310386076.8
• 申請日: 2013-08-29
• 公開（公告）號: CN103473790A
• 公開（公告）日: 2013-12-25
• 發明（設計）人: 李映;宋旭;李鵬程
• 申請（專利權）人: 西北工業大學
• 主分類號: G06T7/20
• 分類號: G06T7/20
• 代理公司: 西北工業大學專利中心 61204
• 代理人: 王鮮凱

1.一種基于增量Bi-2DPCA學習和稀疏表示的在線目標跟蹤方法，其特征在于步驟如下：

步驟1：在第一幀中標記目標x₁，x₁為第一幀中目標圖像塊的仿射變換參數，初始化N個粒子及其權值

步驟2：前T幀圖像使用經典粒子濾波算法跟蹤目標，得到初始目標樣本集合A＝{A₁,A₂,...,A_T}，A_i表示第i幀圖像中目標圖像塊矩陣，其大小標準化到m×n；

步驟3：對A中元素進行Bi-2DPCA處理，得到如下目標子空間初始模型：

A中元素均值圖像；

L∈R^m*p：左變換矩陣，其列向量正交；

R∈R^n*q：右變換矩陣，其列向量正交；

步驟4：輸入新一幀圖像作為當前幀，并假設當前幀是第t幀。將前一幀中粒子按其權值的正比關系進行重采樣，再運用高斯運動模型，得到當前幀中粒子

步驟5：求出當前幀中粒子對應圖像塊的外觀表示，既標準化到大小為m×n的圖像矩陣

步驟6：計算出當前幀中粒子對應圖像塊的外觀表示與目標外觀模型(該模型由基于Bi-2DPCA的子空間模型嵌入到稀疏表示框架下構成)的視覺相似性的概率將該值作為粒子新的權值，即然后運用最大后驗概率準則（MAP）準則，得到當前幀中具有最大權值的粒子作為該幀目標的狀態估計值即為對當前幀的跟蹤結果。若當前幀是最后一幀，則結束，否則繼續執行；

步驟7：判斷是否已經跟蹤了M幀，若是，執行步驟8，否則轉到步驟4；所述M為更新頻率，2＜M＜10；

步驟8：由這個M跟蹤結果得到一個增量矩陣B＝{A_t+1,A_t+2,...,A_t+M}，B中每一元素是新跟蹤到的一幀圖像中目標圖像塊的外觀表示，其大小標準化為m×n；

步驟9：使用增量Bi-2DPCA算法更新由C＝{C,B}，第一次更新時令C＝{A,B}；構建的基于Bi-2DPCA的目標子空間表示模型；轉到步驟4。