[發明專利]一種基于壓縮感知的魯棒目標追蹤方法

在審

• 申請號: 201611020862.6
• 申請日: 2016-11-21
• 公開（公告）號: CN106651912A
• 公開（公告）日: 2017-05-10
• 發明（設計）人: 黃鴻勝;何昭水;謝勝利;王偉華;楊森泉;王沛濤
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06K9/62
• 代理公司: 廣東廣信君達律師事務所44329
• 代理人: 楊曉松

1.一種基于壓縮感知的魯棒目標追蹤方法，其特征在于，包括步驟

S1：對任意一段視頻圖像中的首幀標記出目標位置；

S2：對目標位置的所在目標區域生成稀疏投影矩陣；

S3：對所述目標區域的目標位置周圍，采樣正樣本模版和負樣本模版；

S4：通過卷積模版對所述正樣本模版和負樣本模版構造多尺度歸一化特征，將所述多尺度歸一化特征進行串聯，得到一個長列向量；

S5：使用所述稀疏投影矩陣對所述長列向量進行壓縮，得到低維特征；

S6：對所述低維特征進行再訓練，得到一個特征投影矩陣，通過該特征投影矩陣選擇出正樣本高判別性特征和負樣本高判別性特征；

S7：用所述正樣本高判別性特征和負樣本高判別性特征訓練貝葉斯分類器；

S8：獲取下一幀圖片，在上一幀的目標位置周圍進行采樣，獲得一批候選樣本，固定步驟S6中的特征投影矩陣，重復步驟S4-S6，獲得候選樣本的高判別性特征；

S9：將所述候選樣本的高判別性特征送入貝葉斯分類器，分類為正概率最大的候選樣本為是目標位置；

S10：固定步驟S6中的特征投影矩陣，重復步驟S3-S7，更新貝葉斯分類器；

S11：重復步驟S8-S11，直至視頻結束。

2.如權利要求1所述的基于壓縮感知的魯棒目標追蹤方法，其特征在于，步驟S6包括步驟

S61：求解公式

$\underset{s}{min}\left|\right|A^{T}s-p|{|}_2^2+\mathrm{\λ}|\left|s\right|{|}_1,$

其中是由n_p個正樣本特征A₊和n_n個負樣本特征A_-構成，K是特征的維數，λ是權重參數，向量中的元素代表訓練集A中的相應樣本的性質，即+1代表正樣本，-1代表負樣本，得出特征投影矩陣；

S62：通過A'＝SA和x'＝Sx，獲得樣本模板和候選樣本的正樣本高判別性影特征和負樣本高判別性特征。

3.如權利要求1所述的基于壓縮感知的魯棒目標追蹤方法，其特征在于，所述步驟S5中所述低維特征是特征維數為300低維特征。

4.如權利要求1所述的基于壓縮感知的魯棒目標追蹤方法，其特征在于，步驟S6中所述正樣本高判別性特征和負樣本高判別性特征是維數為60-80維的正樣本高判別性特征和負樣本高判別性特征。

5.如權利要求3所述的基于壓縮感知的魯棒目標追蹤方法，其特征在于，所述正樣本高判別性特征和負樣本高判別性特征是維數為70維的正樣本高判別性特征和負樣本高判別性特征。