[發明專利]一種基于稀疏表示的紅外目標快速魯棒跟蹤方法

有效

• 申請號: 201310419253.8
• 申請日: 2013-09-13
• 公開（公告）號: CN103514600A
• 公開（公告）日: 2014-01-15
• 發明（設計）人: 李映;李鵬程;李方軼
• 申請（專利權）人: 西北工業大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 西北工業大學專利中心 61204
• 代理人: 王鮮凱

技術領域

本發明涉及一種基于稀疏表示的紅外目標快速魯棒跟蹤方法。

背景技術

紅外目標跟蹤是紅外預警系統、跟蹤系統、精確制導系統中的關鍵技術。由于遠距離下目標成像面積小，對比度較低，邊緣模糊，尺寸及形狀變化不定，可檢測信號相對較弱，特別是在非平穩復雜背景干擾下，背景與目標常交疊在一起，成像的信噪比較低，使得復雜背景下紅外目標的跟蹤變得很困難。

紅外圖像序列的目標跟蹤算法，大致可以分為確定性方法和隨機性方法兩大類。確定性方法，比如Mean?Shift算法等，是通過尋找目標的最優匹配來實現跟蹤。該方法具有實時性好、目標匹配迅速等優點，但在遮擋等情況下容易陷入局部極值，魯棒性較差。隨機性方法有卡爾曼濾波，粒子濾波等算法，此類方法是通過對目標的狀態進行估計而實現跟蹤。卡爾曼濾波是有效的線性最優估計技術，但不能處理非線性和非高斯的情況。而粒子濾波方法具有較強的抗遮擋和背景干擾的能力，但計算量比較大，存在退化現象。

近兩年，基于稀疏表示理論的目標跟蹤方法得到了極大的重視，該方法將目標跟蹤問題轉化為稀疏求解問題，取得了較好的效果，為目標跟蹤問題提供了一個新的求解思路。經典的基于稀疏表示目標跟蹤方法的基本思想是以目標模板構建超完備字典，通過粒子濾波框架得到候選目標，通過計算L₁范數最小化進行稀疏求解，計算其重構誤差并得到每個粒子的概率，從而實現目標的跟蹤。這種方法充分利用了圖像的稀疏表示性質中對噪聲和遮擋不敏感的特性，可以有效地減弱背景雜波和噪聲對于跟蹤算法的不利影響，提高算法的跟蹤性能。但這些算法主要采用圖像模板作為字典，而且為了抵抗遮擋影響而引入了瑣碎模板，從而使得超完備字典的維數很高，算法復雜度高，計算量大，而且圖像原始灰度特征容易受光照以及相似背景等影響。

發明內容

要解決的技術問題

為了避免現有技術的不足之處，本發明提出一種基于稀疏表示的紅外目標快速魯棒跟蹤方法，針對紅外圖像序列中目標與背景的對比度較低、灰度特征易受噪聲、光照變化以及相似物體的干擾影響等問題。

技術方案

一種基于稀疏表示的紅外目標快速魯棒跟蹤方法，其特征在于步驟如下：

步驟1：讀取第一幀圖像數據以及目標塊在第一幀圖像中的參數[x,y,w,h]，其中x,y表示目標中心的橫縱坐標，w,h表示目標的寬和高；

步驟2：在第一幀圖像目標的周圍距離為R₁的圓形范圍內隨機產生m個粒子點，并記錄所有m個粒子點的坐標(x_i,y_i)i＝1,2,…,m；每個粒子代表了一個目標正樣本；在距離目標半徑為R₂的圓形外，隨機產生c個粒子點，并記錄c個粒子點的坐標點(x_j,y_j)j＝1,2,…,c；每個粒子點代表了一個目標樣本；

步驟3：將步驟2中產生的每個目標正、負樣本z∈R^w·h與一系列不同尺度的矩形濾波器{h_1,1,h_1,2,…,h_w,h}進行卷積運算；然后，將每種尺度卷積后的目標塊拉成一個維度為wh的列向量；最后，將每種尺度濾波器卷積后得到的列向量組成一個維度為(w·h)²的列向量

步驟4：采用一個大小為n×m的稀疏隨機測量矩陣R對列向量進行壓縮，得到低維列向量v∈Rⁿ，v＝R·x，將所有粒子對應的列向量v∈Rⁿ組合到一起，構成一個大小為n×(m+c)維的目標特征模板V＝{v₁,v₂,…v_m+c}；

步驟5：讀取下一幀圖像，在上一幀圖像目標的周圍距離為R₃的圓形范圍內隨機產生k個粒子點，記錄其坐標(x_k,y_k)，k＝1,2,…,K；每個粒子點代表了一個候選目標，然后根據上面步驟3和4中的特征表示方法得到k個候選目標d_i∈Rⁿ；

步驟6：首先，對步驟4得到的目標特征模板V＝{v₁,v₂,…v_m+c}，進行單位化處理；然后，對于每個候選目標d_i，利用目標特征模板進行表示，即：