[發明專利]一種基于高階偏最小二乘法的目標跟蹤算法

有效

• 申請號: 201410279523.4
• 申請日: 2014-06-20
• 公開（公告）號: CN104021395B
• 公開（公告）日: 2017-05-03
• 發明（設計）人: 鐘必能;王田;沈映菊;陳雁;謝維波;陳鍛生;陳維斌
• 申請（專利權）人: 華僑大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06T7/292
• 代理公司: 廈門市首創君合專利事務所有限公司35204
• 代理人: 張松亭

技術領域

本發明涉及信息技術領域中的計算機視覺和模式識別方向，特別涉及一種基于高階偏最小二乘法的目標跟蹤算法。

背景技術

隨著監控攝像頭安裝數量的日益增多，以及平安城市和公共安全需求的日益增長，采用人工的視頻監控方式已經遠遠不能滿足需要，因此智能視頻監控技術應運而生并迅速成為一個研究熱點。智能視頻監控技術是一個跨領域的研究方向，它的研究內容豐富，應用領域廣泛多樣。一般而言，智能視頻監控研究中對視頻圖像的處理可以分為底層、中層、以及高層三個層次。其中目標跟蹤算法是智能視頻監控技術中層分析階段的核心組成部件，其目的是獲得運動目標的活動時間、位置、運動方向、運動速度、大小、表觀(顏色、形狀、紋理)等信息。雖然目標跟蹤算法的研究已經持續了很多年，研究者們提出了各種各樣的跟蹤方法；但是目標跟蹤在實際應用中遇到的很多難點問題依然沒有得到很好的解決，例如光照突變、遮擋、姿態/視角變化、相似物體與雜亂背景干擾等。

發明內容

本發明的目的在于克服現有技術之不足，提供一種基于高階偏最小二乘法的目標跟蹤算法，以二維張量來表示圖像塊，保存了該圖像塊內在的空間結構信息，同時，本發明綜合了多個時序的圖像塊及其類別來建立高階張量，并以偏最小二乘法來分析該高階張量與其類別矩陣的關聯之處，使目標跟蹤算法的性能大大提高。

本發明解決其技術問題所采用的技術方案為：一種基于高階偏最小二乘法的目標跟蹤算法，包括初始化階段、訓練階段、測試階段，和更新階段；

所述初始化階段包括：指定一個目標物體，并設定以該目標物體的中心為中心的n-1種不同相對方位為該目標物體的n-1種非目標方位；將當前時刻記為t時刻，并提取從t-m時刻到t時刻的m幀圖像，其中m為一個預先設定的正整數；針對所提取的每一幀圖像，人為找到該圖像中的目標物體，以該目標物體的中心為中心截取包含該目標物體的1個第一圖像塊，之后分別以該目標物體的n-1種非目標方位為中心截取n-1個第二圖像塊，其中n為一個預先設定的大于1的正整數；所有第一圖像塊和所有第二圖像塊的大小均一致；將所截取的每個第一圖像塊和每個第二圖像塊均用一個I₁×I₂的特征矩陣表示，I₁和I₂均為一個預先設定的正整數；將當前的m個第一圖像塊組成一個圖像集，并記為目標圖像集；將當前以同一種非目標方位為中心的第二圖像塊組成一個圖像集，并記為非目標圖像集，得到n-1個非目標圖像集；將t時刻的一幀圖像中目標物體的中心位置設為當前位置；然后轉入訓練階段；

所述訓練階段包括：

A1、將當前的目標圖像集的類別標記為目標類，將當前的n-1個非目標圖像集的各類別分別標記為第1非目標類、第2非目標類、…第n-1非目標類；然后將所述目標類、第1非目標類、第2非目標類、…第n-1非目標類分別對應n個類別行向量，記為y₁，y₂，…，y_n，其中，y_i＝[0,0,…,1,…,0]，i＝1,2,…,n，是除了第i個元素為1之外，其余全為0的向量，當i＝1時，其含義表示目標類，當1<i≤n時，其含義表示第i-1非目標類；

A2、基于當前的1個目標圖像集和n-1個非目標圖像集構建一個高階張量，記為X，且其中第一階的n表示n個類別，第二階和第三階的I₁×I₂表示所截取的圖像塊的特征矩陣大小為I₁×I₂，第四階的m表示m幀圖像；將所述n個類別行向量y₁，y₂，…，y_n依照X的第一階中n個類別的順序從上到下排列、構建成一個X的類別矩陣，記為Y，得出Y∈R^n×n；

A3、利用高階偏最小二乘法，分別將X和Y分解為