[發明專利]基于Lp范數正則化的增量子空間目標跟蹤方法

有效

• 申請號: 201610077542.8
• 申請日: 2016-02-03
• 公開（公告）號: CN105654069B
• 公開（公告）日: 2019-05-10
• 發明（設計）人: 孔軍;柳晨華;蔣敏;鹿茹茹;鄧朝陽
• 申請（專利權）人: 江南大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 大連理工大學專利中心 21200
• 代理人: 梅洪玉

本發明公開了一種基于L_p范數正則化的增量子空間目標跟蹤方法，包括以下步驟：讀入視頻序列圖像,手動標記第一幀目標的圖像；利用Ross的方法獲取觀測值；對前5幀圖像直接計算殘差來確定當前幀的目標裝態，并收集樣本，采用Ross的方法獲取初始的子空間和均值向量；從第6幀開始，在增廣拉格朗日的框架下對觀測樣本建立目標函數，并進行最小化計算；評估每個候選樣本成為當前幀真實目標的置信度，并收集樣本；當收集的樣本達到5個時，采用Ross的方法增量更新子空間和均值向量。本發明在保證有一定實時性的前提下，對目標在遮擋、光照、運動模糊等挑戰下都具有較強的抗干擾性，并能在一個統一的框架下，觀測不同稀疏度對跟蹤的影響。

技術領域：

本發明屬于機器視覺領域，特別涉及一種基于L_p范數正則化的增量子空間目標跟蹤方法。

背景技術：

視頻中的目標跟蹤在視頻監控、人機交互、行為分析等領域中都有重要的應用。盡管在近十年內，各國專家學者提出了很多方法，在該領域內取得了很多激動人心的進展，但是對目標進行實時魯棒的跟蹤依然是一項極具挑戰的工作。原因之一就是視頻是一種動態的時間序列，目標在行進過程中，其姿態會發生變化，并可能會遭遇光照、遮擋、相似物體的干擾。同時在行進過程中，攝像機的抖動或者目標的快速運動也會造成目標外觀的模糊，更是進一步加劇了目標跟蹤的難度。

近幾年基于子空間協作表示的提出，在很大程度上降低了目標跟蹤的難度。針對視頻序列的目標，Ross^[1]等提出利用目標的主成分信息構建子空間，并采用增量更新的方式，使子空間中的目標信息能夠適應目標的形態改變而有效更新，并通過子空間中主成分信息的線性組合，對候選樣本進行協作表示。針對Ross^[1]方法欠缺處理離群子(如遮擋)的機制，Xiao^[2]等進一步提出利用一種矩形模板來模擬跟蹤過程中產生的離群子，并在對候選樣本的評估和子空間的更新中，定量的考慮離群子的存在，在一定程度上提高了跟蹤的效果。

但是，基于子空間協作表示的方法，需要充分利用到子空間中每一個特征成分去進行目標重構，不可避免地引入冗余的特征成分。另外，對遮擋的處理仍然具有不妥之處，如[2]中的矩形模板，具有同時重構前景和背景的能力，當利用到每一個矩形模板進行協作表示時，勢必會進一步惡化此二義性，造成目標的偏移甚至丟失。

發明內容：

本發明是為了克服上述現有技術中缺陷，提供了一種基于L_p范數正則化的增量子空間目標跟蹤方法。

為了實現上述目的，本發明提供如下基于L_p范數正則化的增量子空間目標跟蹤方法：

步驟一、讀入第一幀圖像Image₁，手動標記視頻序列第一幀的目標圖像，降采樣目標圖像并轉為列向量d為目標圖像的特征維數。初始化子空間D和奇異值對角矩E為空矩陣；

步驟二、讀入下一幀Image_t+1(t≥1)，基于Ross^[1]的方法獲取t+1幀候選樣本的運動狀態集合并將對應圖像作為目標函數中的觀測值的集合其中m為樣本的個數；

步驟三、標記第i個觀測樣本同時確定當前t+1幀幀號，若 t+1≤5，則計算觀測樣本與第t幀真實目標狀態的殘差，得出t+1幀的真實目標狀態并收集樣本I_t+1，轉入步驟八；否則直接轉入步驟四；

步驟四、對觀測樣本構建目標函數，并對重構樣本與觀測樣本的殘差直接進行拉普拉斯建模||e||₁，以容納目標跟蹤中受到的離群子干擾；針對儲存目標信息的PCA子空間的目標系數利用L_p范數正則化其目標系數項||c||_p，以在重構樣本時，消除冗余特征的干擾；在增廣拉格朗日算法下構建本專利提出的目標函數；