[發(fā)明專利]一種基于近似主成分分析的紅外目標(biāo)跟蹤方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010892527.5
• 申請(qǐng)日: 2020-08-31
• 公開（公告）號(hào): CN112116627A
• 公開（公告）日: 2020-12-22
• 發(fā)明（設(shè)計(jì)）人: 顧國(guó)華;馬超;萬(wàn)敏杰;任侃;錢惟賢;陳錢
• 申請(qǐng)（專利權(quán)）人: 南京理工大學(xué)
• 主分類號(hào): G06T7/20
• 分類號(hào): G06T7/20;G06K9/62
• 代理公司: 南京理工大學(xué)專利中心 32203
• 代理人: 薛云燕

1.一種基于近似主成分分析的紅外目標(biāo)跟蹤方法，其特征在于，包括以下步驟：

步驟1、獲取圖像序列，讀取首幀圖像，選定跟蹤的目標(biāo)；

步驟2、對(duì)步驟1選定的跟蹤目標(biāo)進(jìn)行初始化模板矩陣，初始化目標(biāo)狀態(tài)向量；

步驟3、選取粒子數(shù)N，對(duì)所有粒子分別建立待選目標(biāo)表觀模型，計(jì)算出目標(biāo)矩陣，然后根據(jù)重構(gòu)誤差矩陣確定本幀跟蹤結(jié)果；

步驟4、對(duì)于步驟3中跟蹤結(jié)果的目標(biāo)矩陣，通過重構(gòu)誤差矩陣確定權(quán)重，更新模板矩陣中的元素；

步驟5、根據(jù)似然概率重新采樣，對(duì)本幀圖像進(jìn)行狀態(tài)轉(zhuǎn)移概率高斯分布建模，得到下一幀圖像N個(gè)對(duì)應(yīng)的候選目標(biāo)；

步驟6、返回步驟3，直到圖像序列結(jié)束。

2.根據(jù)權(quán)利要求1所述的基于近似主成分分析的紅外目標(biāo)跟蹤方法，其特征在于，步驟3中目標(biāo)矩陣的計(jì)算過程包括以下步驟：

步驟3.1、將觀測(cè)矩陣分解為稀疏遮擋矩陣和低秩目標(biāo)矩陣，目標(biāo)外觀模型表示為：

M＝L+S

其中，M是圖像矩陣，L是具有低秩性的目標(biāo)矩陣，S是具有稀疏性的遮擋矩陣；

為了重建目標(biāo)觀測(cè)矩陣，利用函數(shù)計(jì)算最小重建誤差矩陣ε，其中表示矩陣的正則化Frobenius范數(shù)的平方，對(duì)目標(biāo)矩陣L應(yīng)用如下約束：

rank(L)≤ω

其中，rank( )表示矩陣的秩，ω為常數(shù)；

由于核范數(shù)能夠代替矩陣秩計(jì)算，目標(biāo)表觀模型表示如下：

其中，λ為權(quán)重因子；|| ||_*表示矩陣的核范數(shù)；

遮擋矩陣是稀疏的，將迫近p范數(shù)合并到模型中，最終得到如下公式：

其中，表示表觀模型的拉格朗日函數(shù)，μ表示尺度因子；G_μλ,p表示矩陣在μ，λ，p值固定下的p范數(shù)；Y為拉格朗日乘數(shù)，σ(L)表示L的奇異值矩陣；

步驟3.2、初始化參數(shù)，通過改變權(quán)重因子λ的值動(dòng)態(tài)調(diào)整目標(biāo)跟蹤的靈敏度，根據(jù)魯棒主成分分析，設(shè)置其中j為一幀圖像所有像素?cái)?shù)，i表示模板數(shù)目；

步驟3.3、通過ADMM方法交替求解目標(biāo)矩陣T和遮擋矩陣S，并不斷更新拉格朗日乘子，具體更新步驟如下：

1)遮擋矩陣S的估計(jì)

2)目標(biāo)矩陣L的估計(jì)

3)拉格朗日乘數(shù)Y和尺度因子μ的更新

μ_t+1＝ρμ_t,0＜ρ＜1

步驟3.4、返回步驟3.1直到計(jì)算出所有粒子數(shù)下的目標(biāo)矩陣，根據(jù)重構(gòu)誤差矩陣ε＝M-L-S，確定本幀跟蹤結(jié)果。

3.根據(jù)權(quán)利要求1所述的基于近似主成分分析的紅外目標(biāo)跟蹤方法，其特征在于，步驟4所述對(duì)于步驟3中跟蹤結(jié)果的目標(biāo)矩陣，通過重構(gòu)誤差矩陣確定權(quán)重，更新模板矩陣中的元素，包括以下步驟：

利用當(dāng)前幀跟蹤結(jié)果的重構(gòu)誤差矩陣計(jì)算權(quán)重ω_k，k＝1,2,...,i，i為模板數(shù)，并將權(quán)重ω_k賦給模板矩陣的每一個(gè)元素F_1:i；

對(duì)于每一幀跟蹤，采用迭代式策略對(duì)模板權(quán)重進(jìn)行更新，ω_k在第一幀被統(tǒng)一初始化為ω_k＝1/i；

當(dāng)前幀遮擋矩陣S的第i+1個(gè)列向量的元素之和sum(S_i+1)被用于衡量遮擋程度，若sum(S_i+1)高于閾值ζ^*·j，ζ^*∈[0,1]，則認(rèn)為當(dāng)前幀存在遮擋物，模板矩陣T不能被更新。

4.根據(jù)權(quán)利要求1所述的基于近似主成分分析的紅外目標(biāo)跟蹤方法，其特征在于，步驟5所述根據(jù)似然概率重新采樣，對(duì)本幀圖像進(jìn)行狀態(tài)轉(zhuǎn)移概率高斯分布建模，得到下一幀圖像N個(gè)對(duì)應(yīng)的候選目標(biāo)，具體如下：

在跟蹤過程中，目標(biāo)在時(shí)刻的狀態(tài)用與初始時(shí)間相關(guān)的6維仿射分量X_t＝(h_t,w_t,s_t,r_t,θ_t,λ_t)^T表示，其中h_t、w_t表示在t時(shí)刻的空間位置，s_t,r_t,θ_tλ_t表示尺度、旋轉(zhuǎn)角度、長(zhǎng)寬比、傾角；

假設(shè)Y_1:t-1＝{Y₁,Y₂,...,Y_t-1}是初始時(shí)間到當(dāng)前時(shí)間的目標(biāo)觀測(cè)，利用如下所示的迭代方程來(lái)預(yù)測(cè)當(dāng)前目標(biāo)狀態(tài)的先驗(yàn)概率分布：

p(X_t|Y_1:t-1)＝∫p(X_t|Y_t-1)p(X_t-1|Y_1:t-1)dX_k-1

式中，p(X_t|Y_1:t-1)為目標(biāo)狀態(tài)從t-1時(shí)刻到t時(shí)刻的轉(zhuǎn)移概率，對(duì)于無(wú)先驗(yàn)信息的紅外目標(biāo)跟蹤問題，假設(shè)狀態(tài)變量X_t的6個(gè)參量是互相獨(dú)立的，則轉(zhuǎn)移概率p(X_t|Y_t-1)服從高斯分布：

p(X_t|X_1:t-1)～N(X_t-1；Σ²)；

其中為對(duì)角協(xié)方差矩陣，其元素為X_t＝(h_t,w_t,s_t,r_t,θ_t,λ_t)^T元素參數(shù)對(duì)應(yīng)的仿射分量的方差；

由于觀測(cè)值在t時(shí)刻已知，目標(biāo)狀態(tài)X_t的后驗(yàn)概率密度由貝葉斯規(guī)則給出：

式中，p(X_t|Y_1:t)為測(cè)量觀測(cè)量與實(shí)際目標(biāo)相似度的似然概率；

考慮到分母項(xiàng)p(Y_t|Y_1:t-1)為常量，得

p(X_t|Y_1:t)∝p(Y_t|X_t)p(X_t|Y_1:t-1)

當(dāng)前時(shí)刻t的最終目標(biāo)狀態(tài)通過求解似然概率的最大值獲得，即：