[發明專利]一種冗余數據數據字典壓縮感知視頻目標跟蹤方法

在審

• 申請號: 201711212930.3
• 申請日: 2017-11-28
• 公開（公告）號: CN107886525A
• 公開（公告）日: 2018-04-06
• 發明（設計）人: 何亮
• 申請（專利權）人: 南京萊斯信息技術股份有限公司
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06K9/46;H04N7/18
• 代理公司: 南京蘇高專利商標事務所(普通合伙)32204
• 代理人: 張弛

技術領域

本發明屬于安全生產系統技術領域。

背景技術

信息技術的高速發展推動了城市由信息化向智慧化發展，截至目前，我國政府已頒布了多批智慧城市建設的試點，國內掀起了智慧城市規劃、布局、建設的高潮，為避免建設初期涌現出來的大量同質化問題，當前智慧城市、智慧小鎮的建設越來越偏向于體現地區文化產業特色，各種特色園區建設已成燎原之勢；同時，在國家大力發展戰略性新興產業，全力加快轉變經濟發展方式、調整經濟結構的背景下，聚集式發展產業成為各地政府的重要工作，在已建園區繼續轉型升級的同時，大量新建園區不斷涌現。

隨著園區建設、運行不斷鋪開，如偷盜、踐踏、人身侵害等園區治安事件越來越引起各方關注，對園區安防提出了越來越高的要求，安防手段逐步由人防向人防、物防、技防結合的整體防控體系傾斜，視頻監控是其中的主要手段。然而，園區管理范圍廣闊，點位龐大，網絡結構復雜，受環境、資金、技術、服務、標準等方面的制約，不同地域物理環境、人文環境不同，建立全面、有效、無盲區的視頻安防監控系統對于各園區來說難易程度不同，對系統的經濟性和實用性提出了更高的要求；出于減少勞動強度的考慮以及全程全時動態監視的需要，要求視頻監控系統具備自動檢測、跟蹤嫌疑人員的能力，而在實際運行過程中，受環境遮蔽、光照條件等因素的影響，對視頻目標的自動識別、跟蹤的魯棒性提出了嚴峻的考驗，對于低成本部署、高魯棒性、7x24小時不間斷運行的自主視頻監控跟蹤方法的需求愈加強烈。

現有技術中大多使用粒子濾波作為一種具有處理非線性函數和非高斯分布系統能力的強適應性方法，被廣泛應用于視覺跟蹤領域，隨著稀疏化方法的蓬勃發展，大量研究開始使用壓縮感知等稀疏理論改進粒子濾波計算量過大的問題，以取得魯棒性與算法負載間的平衡。采用類Haar特征組成數據字典的方法將當前幀跟蹤對象看成之前幀目標集合的稀疏表示，通過求解規范化l₁最小平方問題獲得各粒子相似度的度量，從而解算出跟蹤目標的位置，多尺度壓縮感知跟蹤方法和基于壓縮感知特征選擇的實時檢測跟蹤框架則將壓縮感知作為一種特征降維手段，使用目標圖像的正負兩類特征構造數據字典，這些方法基于目標圖像或小波特征，未脫離數據字典為一緊致框架的限制，限制了圖像特征的使用，在處理晝夜光照條件變化或者圖像遮擋等問題時表現出一定的局限性。部分方法，如多模板時空關聯的局部反聯合稀疏表示目標跟蹤方法，通過構造過完備數據字典的方式，加強了信號逼近的靈活性，但其在粒子的相似度解算過程中需多次重復求解含參數高斯函數的優化問題或壓縮感知的重構問題，增加了額外的算法負擔。

在實際應用中，圖像的顏色、紋理等特征已被廣泛證明在許多場合下可以更好地體現目標圖像的可區分特性，采用符合緊致框架的數據字典進行目標跟蹤，限制了數據字典的擴展性，也限制了使用各種經典圖像特征構成特征數據字典，影響到相應跟蹤方法在復雜環境下的魯棒性。過完備數據字典方法加強了信號逼近的靈活性，但是由于相似度比較過程中涉及大量信號重構解算，使得算法負載大為增加。

發明內容

本發明主要針對周邊環境中存在光照變化、背景干擾和目標遮擋情況下動態目標的視頻跟蹤問題，提出了一種基于冗余數據字典的壓縮感知視頻目標跟蹤方法，可降低對視頻圖像清晰度以及監控服務設備計算、存儲能力的要求。

為達到上述目的，本發明可采用如下技術方案：

一種冗余數據數據字典壓縮感知視頻目標跟蹤方法，包括以下步驟：

(1)、提取視頻目標特征；

(2)、根據視頻目標特征對數據字典初始化；

(3)、根據數據字典對視頻目標建模；

(4)、冗余數據字典下的壓縮感知觀測；

(5)、壓縮感知跟蹤；

(6)、數據字典更新；

(7)、輸出結果。

進一步的，步驟(1)中的目標特征包括目標可見光與紅外圖像的局部二值模式特征，紅外圖像的灰度直方圖、可見光圖像的hsv直方圖、以及紅外與可見光雙通道圖像的低階不變矩和緊密性特征。

進一步的，步驟(2)中的數據字典初始化方法為：

以彈性矩形區域描述動態剛性目標，記第一幀目標矩形區域的中心點坐標為 g₁，與此對應，根據此矩形區域提取的圖像特征按列堆疊形成的特征向量記為