[發明專利]一種多特征與自適應標準對沖相結合的目標跟蹤方法

在審

• 申請號: 201910316473.5
• 申請日: 2019-04-19
• 公開（公告）號: CN110148155A
• 公開（公告）日: 2019-08-20
• 發明（設計）人: 王仁芳;劉云鵬;孫德超;張亮
• 申請（專利權）人: 浙江萬里學院
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/20
• 代理公司: 寧波市鄞州甬致專利代理事務所(普通合伙) 33228
• 代理人: 董超君

一種多特征與自適應標準對沖相結合的目標跟蹤方法，其特征在于：它包括以下步驟：(1)利用跟蹤目標的多特征構造字典，跟蹤目標表示為字典空間中的向量；(2)基于標準對沖，設計自適應標準對沖；(3)在自適應標準對沖跟蹤框架下，估算出當前跟蹤目標該多特征與自適應標準對沖相結合的目標跟蹤方法在復雜環境下仍具有良好的準確性和魯棒性。

技術領域

本發明涉及計算機視覺技術領域，具體涉及一種多特征與自適應標準對沖相結合的目標跟蹤方法。

背景技術

視覺目標跟蹤是計算機視覺領域一個重要的研究內容，在視覺導航、人機交互、智能交通、視頻監控等領域得到了廣泛應用，是各種后續高級處理，如目標識別、行為分析、及應用理解等高層視頻處理和應用的基礎。然而由于跟蹤視頻中存在遮擋、光照變化、尺度變化、突變、角度變化等因素，這使得準確魯棒的視頻目標跟蹤成為一項非常重要的工作。

隨著壓縮感知理論以及稀疏編碼理論的發展，使得稀疏表示已被應用于視頻目標的跟蹤中，其核心是將目標視為粒子濾波框架下的稀疏表示問題。在稀疏表示跟蹤中，l₁跟蹤方法具有較強的魯棒性，但因其需求解l₁范數最小化問題使得求解比較困難且耗時。鑒于此，Mei等人采用最小誤差限制來減少粒子以提高運行速度，Bao等人采用加速梯度方法來求解l₁范數，Zhang等人提出實時壓縮跟蹤方法來降低數據維數并提高計算速度，但當光照變化劇烈或者目標與背景相似時，這些方法的魯棒性和精確度顯著下降。同時，粒子濾波跟蹤框架存在無法避免的粒子退化問題，主要表現為經過若干次遞推后，除少量粒子外，大部分粒子權值小甚至可以忽略，因此會導致跟蹤失敗。

發明內容

本發明要解決的技術問題是：提供一種在復雜環境下仍具有良好的準確性和魯棒性的多特征與自適應標準對沖相結合的目標跟蹤方法。

本發明的技術解決方案是：一種多特征與自適應標準對沖相結合的目標跟蹤方法，其特征在于：它包括以下步驟：

(1)利用跟蹤目標的多特征構造字典，跟蹤目標表示為字典空間中的向量；

(2)基于標準對沖，設計自適應標準對沖；

(3)在自適應標準對沖跟蹤框架下，估算出當前跟蹤目標

采用上述方法后，本發明具有以下優點：

本發明多特征與自適應標準對沖相結合的目標跟蹤方法利用跟蹤目標的多特征構造字典，能提高跟蹤目標的表征能力，減少光照變化等敏感因素的干擾，能保證復雜環境下目標跟蹤的準確性和魯棒性；另外，在自適應標準對沖跟蹤框架下，可有效避免粒子退化和跟蹤失敗問題，進一步提高了目標跟蹤的準確性和魯棒性。

作為優選，所述步驟(1)中字典包括目標模板，利用跟蹤目標的多特征構造目標模板包括以下步驟：

(a)從第一幀圖像中人工選取原跟蹤目標y₁并抽取其特征t₁；

在原跟蹤目標y₁中心附近微擾獲取候選跟蹤目標y₂、y₃…y_n1，并抽取其特征t₂、t₃…t_n1；

(b)由原跟蹤目標y₁及多個候選跟蹤目標y₂、y₃…y_n1的特征構成目標模板D_f：；