[發明專利]基于相關性分析的逆稀疏表示的灰度-熱目標跟蹤方法

在審

• 申請號: 201910541432.6
• 申請日: 2019-06-21
• 公開（公告）號: CN110264494A
• 公開（公告）日: 2019-09-20
• 發明（設計）人: 丁琬;康彬;樊亞文;林敏;顏俊
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06T7/20
• 分類號: G06T7/20
• 代理公司: 南京蘇科專利代理有限責任公司 32102
• 代理人: 姚姣陽;杜春秋

1.一種基于相關性分析的逆稀疏表示的灰度-熱目標跟蹤方法，其特征在于，包括以下步驟：

步驟A，采用粒子濾波器來產生目標候選矩陣Y₁和Y₂；

步驟B，提出一種基于逆稀疏表示的灰度-熱跟蹤框架，即基于相關性分析的逆稀疏表示模型，并通過該模型來聯合估計Y₁和Y₂目標候選編碼，得到逆稀疏表示矩陣U₁和U₂；

步驟C，將逆稀疏表示矩陣U₁和U₂放入支持向量機進行判別，以區分最佳目標和目標候選。

2.根據權利要求1所述基于相關性分析的逆稀疏表示的灰度-熱目標跟蹤方法，其特征在于，步驟B中，基于相關性分析的逆稀疏表示模型如下所示：

其中，P_i^T表示什么表示投影矩陣P_i(i＝1,2)的轉置，D_i(i＝1,2)分別表示從灰度和熱視頻序列獲得的目標字典，Y_i(i＝1,2)分別表示灰度和熱視頻序列的目標候選矩陣，U_i是目標候選矩陣Y₁和Y₂的逆稀疏表示矩陣，且U_i＝[U₁,U₂]，P_i(i＝1,2)表示投影矩陣，其通過最小化來更新，F范數是指矩陣的各個元素平方之和再開平方根，λ₁、λ₂為平衡參數，Tr表示矩陣的跡，P₁^T表示灰度圖像特征投影矩陣的轉置，表示熱紅外圖像目標候選矩陣的轉置。

3.根據權利要求2所述基于相關性分析的逆稀疏表示的灰度-熱目標跟蹤方法，其特征在于，對式(1)進行交替重建，具體方法如下：

步驟1，由于U是固定的，通過求解下面的子問題來更新投影矩陣P₁和P₂，

根據F范數的性質，可以將子問題(2)改寫為

Q_i＝(D_i-Y_iU_i)，為Q_i＝(D_i-Y_iU_i)的轉置矩陣；

使用重新表述子問題(3)，它可以簡化為

其中，P^T表示P的轉置矩陣，0是零矩陣；

將子問題(4)的一階導數設置為零，然后可以通過奇異值分解更新投影矩陣P；

步驟2，由于P是固定的，并且通過求解下面的子問題來更新U_i＝[U₁,U₂]，

式(5)中，令Ψ(U)＝||U||_2,1；

將合成梯度映射方法應用于Φ(U)和Ψ(U)，可將式(5)變為，

其中，k為迭代參數，V^k為任意值，為梯度運算符，η是步長參數；

式(6)的解由下式給出，

其中，

基于式(7)，U最終更新為

其中，[U^k+1](j,:)表示矩陣U^k+1中的第j行。

4.根據權利要求1所述基于相關性分析的逆稀疏表示的灰度-熱目標跟蹤方法，其特征在于，步驟C中，支持向量機通過在前10幀中使用正樣本代碼和負樣本代碼進行預訓練，并且支持向量機每50幀在線更新。