[發(fā)明專利]基于局部稀疏和時空上下文信息的航拍視頻目標跟蹤方法

在審

• 申請?zhí)枺?/td>: 201710321830.8
• 申請日: 2017-05-09
• 公開（公告）號: CN107038431A
• 公開（公告）日: 2017-08-11
• 發(fā)明（設計）人: 李映;薛希哲;胡曉華
• 申請（專利權）人: 西北工業(yè)大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/42;G06K9/46;G06K9/62
• 代理公司: 西北工業(yè)大學專利中心61204
• 代理人: 王鮮凱

技術領域

本發(fā)明屬于航拍視頻目標跟蹤方法，具體涉及一種基于局部稀疏和時空上下文信息的航拍視頻目標跟蹤方法。

背景技術

隨著計算機視覺技術的發(fā)展，基于無人機的航拍視頻目標跟蹤已經成為重要的研究領域。無人機視頻場景中，運動目標跟蹤不僅與一般視頻目標跟蹤方法一樣受到環(huán)境的干擾，如遮擋、陰影、尺度和光照變化等問題，同時，無人機在高速運動的情形下其運動突變，一方面造成了視頻相鄰幀間圖像坐標系的變化，另一方面還引入了圖像模糊、抖動等干擾。此外，無人機一般都在幾千或上萬米的高空拍攝，導致拍攝到的目標具有尺度小、目標與背景對比度小、目標紋理不清晰等問題；另外，無人機與運動目標同時運動，也會導致序列圖像中目標存在尺度縮放、旋轉等問題，給目標跟蹤帶來了更大的挑戰(zhàn)。

近年來，基于稀疏表示理論的目標跟蹤方法得到了極大的重視，該方法將跟蹤問題看作是一個將待選目標用模板稀疏表示后，尋找具有最小重構誤差的候選目標的問題。然而這類方法大多數(shù)都考慮目標的整體性特征，沒有利用稀疏表示系數(shù)來區(qū)分目標和背景，因此當出現(xiàn)與目標相似的物體或遮擋時，容易跟蹤失效。此外，基于稀疏表示的目標跟蹤方法，只利用了時間上下文信息，即利用當前時刻目標的位置、外觀形態(tài)等預測下一幀中目標的位置，但沒有充分利用目標的空間上下文信息，會出現(xiàn)目標丟失或漂移現(xiàn)象。在目標的周圍鄰域內，總是存在一些局部區(qū)域與目標有著極強的聯(lián)系。利用空間上下文信息跟蹤時，將目標及其周邊鄰域的背景區(qū)域作為空間上下文，可有效提高跟蹤效果。

發(fā)明內容

要解決的技術問題

為了避免現(xiàn)有技術的不足之處，本發(fā)明提出一種基于局部稀疏和時空上下文信息的航拍視頻目標跟蹤方法，利用一個簡單而高效的基于局部稀疏表示特征的外觀模型，來刻畫目標的局部結構特征。并且引入空間上下文信息，能夠較好地解決目標丟失或漂移問題，實現(xiàn)復雜背景下航拍視頻目標的快速魯棒跟蹤。

技術方案

一種基于局部稀疏和時空上下文信息的航拍視頻目標跟蹤方法，其特征在于步驟如下：

步驟1：讀取第一幀圖像數(shù)據(jù)以及目標塊在第一幀圖像中的參數(shù)[xm,ym,w,h]，其中：xm,ym表示目標中心的橫縱坐標，w,h表示目標的寬和高；

步驟2、構造用于稀疏表示的字典D：在第一幀目標周圍根據(jù)高斯分布隨機產生n個目標模板，并將每個目標模板歸一化為M×N的標準圖像塊z∈R^M×N；使用一個滑動窗在模板上掃描提取出m個局部塊，并將它們按順序排列起來，字典D是由以上n個目標模板構成：D＝[D₁,D₂,…,D_n,E]，其中，E是瑣碎模板，D_i＝[d_i,1,d_i,2,…,d_i,m]其中D_i是字典中的第i個模板，d_i,j代表的第i個模板中的第j塊；

步驟3、構建目標的空間上下文模型：

定義空間上下文模型為其中I(·)為某像素的灰度值，ω_σ(·)為一個高斯函數(shù)，I(x)ω_σ(x-x′)表示了目標的空間上下文先驗信息，x′＝(xm,ym)為目標當前位置的坐標，b為歸一化常數(shù)，其取值范圍為0到1；α，β用于控制模型的經驗常數(shù)，取值分別為2.25和1，衡量了目標出現(xiàn)在各個位置的可能性大小，和分別為傅里葉變化和傅里葉反變換；

自以下步驟4進入讀取每一幀的循環(huán)處理步驟：

步驟4：若為第一幀圖像，則目標的置信圖否則根據(jù)空間上下文模型，目標的置信圖表示為：

式中：代表卷積計算。根據(jù)目標的置信圖m(x)，以其值最大的位置為中心，按照高斯分布進行采樣，即按照分布p(x_k|x_k-1)＝N(x_k-1；x,Σ)隨機產生N個粒子點，N取600；并記錄其坐標p＝(xp_i,yp_i)，i＝1,2,…,N，每個粒子代表一個候選目標區(qū)域，其中其中6個參數(shù)分別依次表示：水平伸縮量、水平形變量、垂直形變量、垂直伸縮量、水平位移量、垂直位移量；

步驟5、稀疏表示求解：對每個粒子代表的候選目標Y，按照構造字典的方式，首先將其歸一化到標準尺寸32*32，然后對其采用與步驟2相同的方式提取局部塊信息。那么候選目標Y可以被字典D和對應的稀疏表示系數(shù)α表示為：