[發明專利]一種混合塊稀疏協作模型的目標跟蹤方法

有效

• 申請號: 201710472577.6
• 申請日: 2017-06-21
• 公開（公告）號: CN107194408B
• 公開（公告）日: 2021-06-01
• 發明（設計）人: 孫戰里;馬書恒
• 申請（專利權）人: 安徽大學
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62;G06T7/11;G06T7/20
• 代理公司: 合肥市浩智運專利代理事務所(普通合伙) 34124
• 代理人: 丁瑞瑞

本發明公開了一種混合塊稀疏協作模型的目標跟蹤方法，包括：根據第一幀圖像，初始化選取目標區域，通過粒子濾波、仿射變換和圖像插值，在目標區域周圍進行隨機采樣，以獲取目標的正、負樣本模板及候選樣本；利用k?d樹搜索最佳候選目標，作為訓練的詞典；采用滑動窗對詞典分塊，利用增量奇異值分解，求取詞典的均值和特征值；通過稀疏表達模型和正、負樣本模板，計算每個候選目標的置信值；用滑動窗將候選目標分塊處理，建立稀疏表達模型；通過后驗概率最大化，獲取當前幀最佳候選目標，并間隔更新負樣本模板和詞典。本發明的優點在于：通過跟蹤目標的整體塊和局部塊相結合，在跟蹤目標存在復雜背景時，能夠有效提高目標的跟蹤精度。

技術領域

本發明涉及視覺跟蹤技術領域，尤其涉及一種混合塊稀疏協作模型的目標跟蹤方法。

背景技術

智能視頻監控是計算機視覺領域近幾年來發展較快，研究較多的一個應用方向，它能夠利用計算機視覺技術對采集到的視頻信號進行處理、分析和理解，并以此為基礎對視頻監控系統進行控制，從而使視頻監控系統具有更好的智能性和魯棒性。

在采集得到的視頻序列中，跟蹤目標可能發生形變、光照變化、尺度變化、遮擋、背景復雜等情況。在大多數基于稀疏表示的跟蹤器的算法中只考慮整體表示，并沒有充分利用稀疏系數區分目標和背景，以及因此可能會有相似的對象、部分遮擋、快速運動等；因此在跟蹤目標存在復雜的背景時，跟蹤就容易失敗。

在已有算法中較好的解決了被跟蹤目標在被跟蹤過程中發生相似的對象或遮擋問題，但仍有跟蹤目標被跟蹤失敗，在實時性方面與實際系統的需求存在較大的差距，因此提高目標跟蹤算法的實時性仍然是一個極富挑戰性的課題。

發明內容

因此，為解決現有技術存在的技術缺陷和不足，本發明提供一種混合塊稀疏協作模型的目標跟蹤方法，在跟蹤目標存在復雜的背景時，也能夠很好地跟蹤目標。

本發明是采用以下技術手段解決上述技術問題的：一種混合塊稀疏協作模型的目標跟蹤方法，包括候選目標的置信值和對遮擋進行處理，包括：

步驟a、從第一幀初始化目標并選取目標區域；

步驟b、利用目標的坐標通過仿射變換和圖像插值的方法獲取目標的正、負樣本模板；

步驟c、根據上一幀視頻圖像的目標通過粒子濾波、仿射變換和圖像插值得到候選目標；

步驟d、利用k-d樹搜索得到此幀最佳的候選目標為i，確定目標區域，將最佳的候選目標作為訓練的詞典；

步驟e、判斷i是否大于n幀，不大于重復步驟c至步驟d，大于n幀時進入步驟f；

步驟f、i大于n幀后，用滑動窗將詞典分塊再利用增量奇異值分解求詞典的均值和特征值；

步驟g、根據上一幀視頻圖像的目標通過粒子濾波、仿射變換和圖像插值得到候選目標；

步驟h、通過稀疏表示和正、負樣本模板，計算每個候選目標的置信值；

步驟i、用滑動窗將候選目標分塊處理再根據詞典進行稀疏表示；

步驟j、通過后驗概率最大化，獲取當前幀最可靠的候選目標為i，確定目標區域；

步驟k、每隔幾幀實時更新負樣本模板和詞典；

步驟l、重復步驟g至步驟k直到此跟蹤結束。

在本發明的一個實施例中，步驟a的從第一幀初始化目標并選取目標區域，包括：