[發(fā)明專利]一種基于快速張量奇異值分解特征降維的目標(biāo)跟蹤方法有效
| 申請?zhí)枺?/td> | 201910349128.1 | 申請日： | 2019-04-28 |
| 公開（公告）號： | CN110084834B | 公開（公告）日： | 2021-04-06 |
| 發(fā)明（設(shè)計(jì)）人： | 傅衡成;周武能 | 申請（專利權(quán)）人： | 東華大學(xué) |
| 主分類號： | G06T7/246 | 分類號： | G06T7/246 |
| 代理公司： | 上海申匯專利代理有限公司 31001 | 代理人： | 翁若瑩;柏子雵 |
| 地址： | 201600 上*** | 國省代碼： | 上海;31 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 一種 基于 快速 張量 奇異 分解 特征 目標(biāo) 跟蹤 方法 | ||
本發(fā)明公開了一種基于快速張量奇異值分解特征降維的目標(biāo)跟蹤方法，包括：對每一幀視頻數(shù)據(jù)提取多種特征并構(gòu)建張量結(jié)構(gòu)；對構(gòu)建的張量進(jìn)行奇異值分解；對降維后的特征訓(xùn)練相關(guān)濾波器，對目標(biāo)進(jìn)行跟蹤。本發(fā)明能夠有效的減少特征數(shù)量，加快跟蹤速度，與傳統(tǒng)的基于向量的主成分分析特征降維等方式相比，更好的保留了特征的結(jié)構(gòu)信息；張量奇異值分解對特征的旋轉(zhuǎn)具有不變性增強(qiáng)跟蹤器對目標(biāo)旋轉(zhuǎn)的魯棒性。
技術(shù)領(lǐng)域
本發(fā)明涉及一種基于快速張量奇異值分解特征降維的目標(biāo)跟蹤方法，屬于視頻目標(biāo)跟蹤技術(shù)領(lǐng)域。
背景技術(shù)
目標(biāo)跟蹤對機(jī)器人、無人機(jī)、自動駕駛、導(dǎo)航與制導(dǎo)等領(lǐng)域的發(fā)展有重要意義。例如，在人機(jī)交互過程中，攝像頭不斷對人體行為進(jìn)行跟蹤，并經(jīng)過一系列的分析處理使機(jī)器人達(dá)到對人體姿態(tài)、動作、手勢的理解，從而更好地實(shí)現(xiàn)人和機(jī)器的友好交流；在無人機(jī)目標(biāo)跟蹤過程中，不斷獲取目標(biāo)的視覺信息，并傳送給地面控制站，通過算法對視頻圖像序列進(jìn)行分析，得到跟蹤目標(biāo)的實(shí)時位置信息，以保證跟蹤目標(biāo)實(shí)時處于無人機(jī)的視野范圍之內(nèi)。
目標(biāo)跟蹤過程涉及到光照變化、尺度變化、平面內(nèi)旋轉(zhuǎn)、平面外旋轉(zhuǎn)、遮擋、形變、運(yùn)動模糊、快速運(yùn)動、背景斑、低分辨率等一系列挑戰(zhàn)，近年來“相關(guān)濾波”類目標(biāo)跟蹤方法不但跟蹤速度較快，而且跟蹤精度也表現(xiàn)良好，但隨著各種特征的不斷增加，相關(guān)濾波器的跟蹤速度下降嚴(yán)重。
近些年來，相關(guān)濾波所用到的圖像特征不斷增加，如顏色名特征、梯度直方圖特征以及深度卷積神經(jīng)網(wǎng)絡(luò)的深度特征，這些特征對跟蹤精度有了較大的提升，但卻使得相關(guān)濾波器的跟蹤速度下降很快。
發(fā)明內(nèi)容
本發(fā)明的目的是：提供一種既能利用更多的特征來提升精度，又能減少速度的損失的目標(biāo)跟蹤方法。
為了達(dá)到上述目的，本發(fā)明的技術(shù)方案是提供了一種基于快速張量奇異值分解特征降維的目標(biāo)跟蹤方法，其特征在于，利用張量奇異值分解特征降維特征進(jìn)行目標(biāo)跟蹤，包括如下步驟：
(1)提取第t幀跟蹤結(jié)果窗的梯度方向直方圖特征HOG、顏色名特征CN、預(yù)訓(xùn)練好的深度卷積特征CNN；
(2)將步驟(1)提取的特征排放到張量的水平切片，形成4個相互獨(dú)立的三階張量，分別記為Li，i＝1,2,3,4；
(3)以每個張量的水平切片為單位，分別計(jì)算平均特征，第i個特征張量的平均特征記為Mi，則有：
式中，Ni為第i個特征張量的水平切片數(shù)量；Li(j,:,:)表示三階張量Li的第j個水平切片；
(4)使每個特征張量的水平切片分別減去相應(yīng)平均特征，并記為Ai；
(5)利用快速傅里葉變換，將時域特征張量轉(zhuǎn)換到頻域，并對頻域形式的每個特征張量的每一個水平切片進(jìn)行傳統(tǒng)的矩陣奇異值分解，并對左奇異矩陣的列進(jìn)行截取，其中，保留的數(shù)目為列的前k維也等于降維后特征張量的維度；對每一個側(cè)面切片的奇異值分解完成之后，把保留的左奇異矩陣再按照原來的排列順序組成左奇異特征向量，最后通過快速傅里葉反變換，將左奇異特征向量從頻域轉(zhuǎn)換到時域，每個時域形式的左奇異特征張量分別記為
(6)利用時域形式的左奇異特征張量與減去平均特征的特征張量進(jìn)行張量乘積運(yùn)算得到降維后的特征張量，并對每個降維后的特征張量的每個正面切片加上之前相應(yīng)得到的平均特征，得到特征張量Fi：
式中，tprod(·)表示張量乘積；tran(Ui)表示特征張量U的轉(zhuǎn)置
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于東華大學(xué)，未經(jīng)東華大學(xué)許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910349128.1/2.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
