[發(fā)明專利]基于稀疏鑒別最小生成樹的目標跟蹤算法

在審

• 申請?zhí)枺?/td>: 202011035416.9
• 申請日: 2020-09-27
• 公開（公告）號: CN112150513A
• 公開（公告）日: 2020-12-29
• 發(fā)明（設計）人: 滿欣;毛盾;林曉烘
• 申請（專利權）人: 中國人民解放軍海軍工程大學
• 主分類號: G06T7/277
• 分類號: G06T7/277;G06K9/62
• 代理公司: 武漢楚天專利事務所 42113
• 代理人: 孔敏

本發(fā)明提供一種基于稀疏鑒別最小生成樹的目標跟蹤算法，包括利用前幾幀的跟蹤結果采集長期、短期兩種目標類樣本和非目標類樣本，并通過粒子濾波圍繞上一幀的跟蹤結果隨機采樣若干候選樣本作為候選樣本集；基于短期和長期目標類樣本集以及非目標類樣本集，利用稀疏鑒別投影，求解最佳投影矩陣a，并根據(jù)表達式對目標類樣本集和候選樣本集進行投影；計算每個目標類樣本的稀疏表示系數(shù)，以所有其他目標類樣本形成的字典作為相似度度量，構建目標類的最小生成樹模型；利用最小生成樹模型對每個候選樣本進行評估，實現(xiàn)目標與非目標的甄別，將置信度最高的一個作為目標位置，進而完成目標跟蹤。本發(fā)明對背景的動態(tài)變化有很強的魯棒性，實時性很好。

技術領域

本發(fā)明涉及目標跟蹤領域，具體是一種基于稀疏鑒別最小生成樹 的目標跟蹤算法。

背景技術

傳統(tǒng)的多類分類問題需要多類樣本來訓練分類器。其不足之處在 于，如果由于某種原因幾乎無法獲取多類的樣本、或者可以較容易地 獲得某一類樣本，而其他類別的樣本獲取的代價較高，造成各類樣本 數(shù)嚴重不平衡，會使分類結果發(fā)生嚴重偏離。這種情況只能利用一類 樣本進行學習形成類別描述從而實現(xiàn)該類別的識別，稱為單類分類。 在單類分類中，待區(qū)分的類必須和其他所有可能的類相區(qū)別，前者稱 為正類或者目標類，后者統(tǒng)稱為負類或非目標類。故障檢測、異常行 為檢測、疾病檢測、個體識別都是典型的單類分類的例子。單類分類 器的目標是構建一個目標類的模型，接受盡量多的目標類物體，同時 盡可能地拒絕其它類。近年來，單類分類器得到廣泛的關注和研究， 并在多個領域得到應用。

當前判別式目標跟蹤算法將目標跟蹤問題看作目標與背景的兩 分類問題，通過在近幾幀采集跟蹤結果作為表征目標的正樣本，并在 目標附近采集負樣本作為背景的訓練樣本，訓練一個兩類分類器用以 在當前幀中區(qū)分目標和背景。然而，實際上“背景”并非一個具體的 類，而更像是一個類的集合——所有非目標類的集合。這主要是因為： ①運動目標的背景非常復雜，可能由許多不同類型的物體組成；②運 動目標的背景是不斷變化的，雖然背景也具備一定的連續(xù)性，然而用 前一幀或幾幀的背景作為負類樣本訓練得到的分類器在當前幀中對 背景進行識別仍存在一定誤差。針對這種復雜的背景，生成式方法選擇只關注目標而不關注背景的方式進行處理。然而大多數(shù)生成式方法 假設目標類樣本位于一個基本的線性流形。但是，這種假設往往因為 目標復雜的變化而無法滿足。事實上，目標跟蹤是一種典型的單類分 類問題。考慮一種極端情況，如果知道被跟蹤目標的唯一標識特征， 則無論該目標面對多么復雜的背景，如車輛擁堵的道路上，或者發(fā)生 擠壓等嚴重的形變，都能正確跟蹤該目標。因此，將目標跟蹤作為單 類分類問題更能反映問題的本質(zhì)。被跟蹤目標是目標類，而其它所有 物體是非目標類。

文獻一(P.Juszczak,D.M.J.Tax,E.Pekalska,et al.,“Minimum spanning treebased one-class classifier,”Neurocomputing.,vol.72, no.7-9,2009,pp.1859-1869.)提出了一種基于最小生成樹的單類分類 器，稱為最小生成樹類描述字(MinimumSpanning Tree Class Descriptor,MSTCD)。與其它單類分類器相比，MSTCD覆蓋描述較 為緊致，更能反映數(shù)據(jù)的流形結構，能很好的對非規(guī)則復雜數(shù)據(jù)分布 進行描述，且該描述是無參數(shù)的，對高維空間小樣本問題有良好的魯 棒性。然而，MSTCD也存在以下問題：①僅考慮了訓練集只含有一 類樣本的情況。在某些情況下訓練集中可能含有負類樣本，只是這些負類樣本來源于許多不同的類型，無法用一個統(tǒng)一的模型進行描述。 這時完全丟棄負類樣本所包含的信息是不恰當?shù)模虎贛STCD以成對 歐氏距離為距離度量，這種度量方式對噪聲敏感，使得最小生成樹結 構容易發(fā)生較大變化，而且缺乏全局信息導致信息密度較低。