[發明專利]一種基于緊致表達的物體魯棒跟蹤裝置及跟蹤方法

有效

• 申請號: 201811187764.0
• 申請日: 2018-10-12
• 公開（公告）號: CN109272533B
• 公開（公告）日: 2021-08-17
• 發明（設計）人: 秦學英;王同翰
• 申請（專利權）人: 山東大學
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06K9/62
• 代理公司: 濟南金迪知識產權代理有限公司 37219
• 代理人: 陳桂玲

1.一種基于緊致表達的物體魯棒跟蹤裝置的跟蹤方法，其特征在于，物體魯棒跟蹤裝置包括計算機和與其連接的攝像頭；

跟蹤方法包括以下步驟：

1)建立完備緊致的目標字典；

1.1)從多個視角、多個背景下和在變化的光照條件下通過攝像頭捕獲關于目標的子圖像；

1.2)由步驟1.1)得到的子圖像組成實例池，從實例池中，通過稀疏字典學習的迭代方法，采取順序倒序相間的方法構建緊湊的模板集；

1.3)通過使用基于SVM的稀疏度檢測方法確保步驟1.2)模板集是真正完備且緊致的；

1.4)再采樣擴充原實例池，產生新的實例池，不斷重復步驟1.2)和步驟1.3)，直至新的實例池相對于前一實例池不再增大，得到最優的模板集；

1.5)將步驟1.4)得到的最優的模板集被用于視頻和增強現實系統中在線跟蹤目標，通過稀疏表示判斷最終目標的位置；

2)將步驟1)得到的目標字典用于增強現實應用中，將圖像的對象區域轉換為三維空間區域。

2.根據權利要求1所述的基于緊致表達的物體魯棒跟蹤裝置的跟蹤方法，其特征在于，所述步驟1.2)中，稀疏字典學習的迭代方法實現的優化方程如下：

其中，T為當前模板集，T^*則是最終求解到的最優的模板集，x^j為實例池中的一個實例，j＝1,2,...,m，m為實例個數，||·||₂表示l₂范數，μ、λ為設定常數，cols(T)為模板集含有的模板的數量，α為稀疏系數向量，為式(2)中稀疏表達x^j的最佳系數向量。

3.根據權利要求2所述的基于緊致表達的物體魯棒跟蹤裝置的跟蹤方法，其特征在于，稀疏字典學習的迭代方法的漸進式的模板構建方法，采取順序倒序相間的方法構建模板集，具體過程為：

初始化模板集由實例池中最初的若干個隨機選擇的實例構成，設當前模板集為T^(k)，則x^j通過模板集T^(k)的稀疏表示，通過優化如下方程獲得：

其中，x^j為實例池中的一個實例，j＝1,2,...,m，m為實例個數，||·||₂表示l₂范數，λ為設定常數，α為稀疏系數向量，為稀疏表達x^j的最佳系數向量；

定義誤差函數：

則error表示了實例x^j由模板集為T^(k)重構時的誤差；設定一個閾值τ₂，如果error＞τ₂，則認為T^(k)不能良好地表達x^j，因此將x^j加入T^(k)，得到T^(k+1)，這個過程對實例池中所有的實例x^j都順序進行一遍，完成一次順序執行的模板選擇；

在完成一次順序選擇之后，保證實例池中所有的實例都被模板集中的某些模板準確地稀疏表示，但是，并不能保證這個模板集是緊湊的，其中很可能存在一些冗余的模板，通過倒序排序排查模板集中的每一個模板，如果該模板x^j能夠被T^(k)中除x^j以外的其它模板準確地稀疏表達，即error≤τ₂，那么該模板將被從模板集中刪除，得到模板集T^(k-1)；

將順序添加和倒序排除交替進行，直至模板集不發生變化或者表達的總參差不再明顯下降為止。

4.根據權利要求3所述的基于緊致表達的物體魯棒跟蹤裝置的跟蹤方法，其特征在于，步驟2)中包括通過約束和先驗將圖像中的對象區域轉換為物理世界中的三維空間區域，具體過程為：約束條件是場景中的幾何形狀，由三維模型表示，通過目標跟蹤獲得在圖像上的區域，根據約束條件建立該區域與約束條件的交點，由搭載攝像頭的相機位置與該位置連接構成一條射線，該射線與約束條件定義的幾何形狀求交，獲得一個三維空間點；再由對象的先驗信息，根據圖像區域的大小，推算其在三維空間所占據的體積，完成二維區域到三維區域的轉換，虛擬人將根據檢測出的真實物體的空間區域進行路徑規劃，輸出虛實融合場景。