[發明專利]一種基于稀疏特征選擇的目標跟蹤方法

在審

• 申請號: 201510323582.1
• 申請日: 2015-06-12
• 公開（公告）號: CN104933733A
• 公開（公告）日: 2015-09-23
• 發明（設計）人: 李映;杭濤;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

技術領域

本發明屬于計算機數字圖像處理技術，具體涉及一種基于稀疏特征選擇的目標跟蹤方法。

背景技術

目標跟蹤算法，大致可以分為生成型和判別型兩大類。生成型的跟蹤算法通常為需要跟蹤目標生成一個外觀模型，通過對外觀模型的匹配，尋找到相似度最高的那個候選目標最為跟蹤結果。而判別型的跟蹤算法則采用不同的方法，它將跟蹤看成一個二分分類問題，通過正負樣本訓練一個分類器，將目標和背景區分開來。

近年來，基于粒子濾波的目標跟蹤方法得到了極大的重視，粒子濾波器是一種從帶噪聲的數據中估計運動狀態的技術，在狀態空間中通過傳播大量帶權離散隨機變量來近似概率分布并遞歸。這里的隨機變量被形象地稱為粒子，當粒子個數趨于無窮時可以逼近任何形式的概率分布。通常視頻目標運動狀態是非線性、非高斯的，粒子濾波器由于其獨特的優越性被廣泛應用于目標跟蹤領域。雖然粒子濾波器是一種選取候選目標的有效手段，但是該算法仍然存在著一些問題。其中主要是需要用大量的樣本數量才能很好地近似系統的后驗概率密度，因此極大的增加了計算的復雜度，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特征選擇的目標跟蹤方法，解決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

一種基于稀疏特征選擇的目標跟蹤方法，其特征在于步驟如下：

步驟1：在第一幀圖像目標的周圍距離為R₁的圓形范圍內隨機選取N_p個粒子點，并記錄所有N_p個粒子點的坐標(x_i,y_i),i＝1,2,…,N_p；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，同樣隨機選取N_n個粒子點，并記錄N_n個粒子點的坐標點(x_j,y_j),j＝1,2,…,N_n；每個粒子點代表了一個目標負樣本；所述第一幀圖像中的參數為[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：將N_p個目標正樣本與N_n個目標負樣本與一系列不同尺度的矩形濾波器{F_1,1,…,F_w,h}進行卷積計算，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的列向量所述矩形濾波器{F_1,1,…,F_w,h}的間隔為1；

步驟3：采用一個大小為n×m的投影矩陣s將列向量投影到一個另一低維空間v∈Rⁿ，v＝Sx；

步驟4：用所有正負樣本對應的列向量v∈Rⁿ，v＝(v₁,v₂,…,v_n)以及相對應的正負標簽y，對貝葉斯分類器進行訓練

H(v)=Σi=1nlog(p(vi|y=1)p(vi|y=0))]]>