[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

本發明提出了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，包括以下步驟：采用粒子濾波器來產生目標候選矩陣Y₁和Y₂；提出一種基于逆稀疏表示的灰度?熱跟蹤框架，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；將U₁和U₂放入支持向量機進行判別，區分最佳目標和目標候選。本發明將典型相關性分析和逆稀疏表示集成到統一的聯合優化模型中，通過探索公共子空間中灰度和熱視頻序列之間的相似性來突出跟蹤目標的有用信息，確保從不良照明場景中獲得針對目標候選者的魯棒編碼結果；提出了一種交替重構算法來解決聯合優化問題，具有快速收斂性及較強的魯棒性；使用支持向量機對目標候選的編碼結果進行判別，提高跟蹤速度。

技術領域

本發明涉及一種基于相關性分析的逆稀疏表示的灰度-熱紅外聯合目標跟蹤方法，屬于圖像處理技術領域。

背景技術

目標跟蹤在計算機視覺領域中扮演著非常重要的角色，其中具體應用包括：視頻分析、車輛導航和人機交互等。雖然近年來取得了重大進展，但在惡劣環境(如：昏暗場景、霧霾、暴雨等)下進行目標跟蹤仍然非常具有挑戰性。因為在這些惡劣環境下，可見光相機只收集有限的光線，容易導致前景目標和背景難以辨別。

隨著多媒體和物聯網的快速發展，紅外熱像儀已經變得很經濟實惠。這種相機可以捕獲溫度高于絕對零度的物體發出的熱紅外輻射，有利于夜間監控。而可見光相機獲取的光譜相對來說較為豐富，它可以在外界環境良好時更好地反映物體細節，但它在光照不足時效果則相對較差。因此，將灰度和熱紅外圖像數據有效結合可以突顯圖像中的目標特征，利于跟蹤隱藏目標。將可見光譜相機與熱紅外相機有效結合具有以下兩個優點：

一是熱紅外相機對于光照變化是魯棒的，其可以對從不良光照條件下獲得的可見光譜數據進行補充；

二是可見光譜相機的灰度特征有助于解決基于熱紅外攝像機在物體檢測中的熱交叉問題。

基于以上優點，研究灰度-熱紅外聯合目標跟蹤可以提供一種有效的方法來克服目標跟蹤中惡劣天氣造成的影響。

灰度和熱視頻序列在灰度-熱紅外聯合目標跟蹤中成對獲得，使得設計外觀模型變得困難。它不僅需要連接灰度級和熱視頻序列之間的差異，還要克服灰度級或熱視頻序列中的數據偏差。稀疏表示因為在多視圖人臉識別中的成功應用，已成為克服灰度-熱紅外聯合目標跟蹤限制的有效方法。與傳統的基于稀疏表示的視覺跟蹤不同，基于灰度-熱紅外聯合目標跟蹤必須自適應融合灰度和熱外觀的稀疏表示，以保證灰度和熱視頻序列都能提供良好的跟蹤性能。在實際應用中，已有一種基于協同稀疏表示的灰度-熱紅外聯合跟蹤外觀模型，其中多模型融合和模型可靠性估計被集成為一個統一的優化問題。由于協同稀疏表示模型無法探索灰度和熱視頻序列之間的相似性，因此當灰度和熱視頻序列包含數據偏差時，它可能無法保證灰度-熱紅外圖像對中相同的目標獲得類似的稀疏表示結果。為了提高上述方法的跟蹤性能，有方法在協作稀疏表示模型中引入了目標本地信息。由于此方法無法使用背景上下文來增強相似目標之間的差異，因此可能會導致在背景雜亂環境中出現跟蹤漂移現象。

在傳統的基于稀疏表示的目標跟蹤中，稀疏表示旨在使用字典來稀疏地表示目標候選者。與稀疏表示方法不同，逆稀疏表示旨在使用目標候選者稀疏地表示目標字典。由于目標字典由目標和背景模板組成，因此使用目標候選者來反向表示目標字典可以突顯目標候選者與目標和背景模板的相似性。逆稀疏表示可以使用目標和背景信息來產生用于表示目標候選的判別代碼，該模型如下所示：