[發(fā)明專利]目標(biāo)追蹤方法、系統(tǒng)、終端設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202211021372.3
• 申請(qǐng)日: 2022-08-24
• 公開（公告）號(hào): CN115393397A
• 公開（公告）日: 2022-11-25
• 發(fā)明（設(shè)計(jì)）人: 何昭水;梁浩;郭靖;林志潔;劉太亨;蔡兵兵;余歡;譚北海;謝勝利
• 申請(qǐng)（專利權(quán)）人: 廣東工業(yè)大學(xué)
• 主分類號(hào): G06T7/246
• 分類號(hào): G06T7/246;G06V10/50;G06V10/764;G06V10/762;G06V10/74;G06V10/40
• 代理公司: 北京勁創(chuàng)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11589
• 代理人: 常柯陽(yáng)

本申請(qǐng)適用于計(jì)算機(jī)視覺技術(shù)領(lǐng)域，公開了一種目標(biāo)追蹤方法、終端設(shè)備及存儲(chǔ)介質(zhì)。本申請(qǐng)方法通過根據(jù)上一幀目標(biāo)追蹤結(jié)果或初始選擇目標(biāo)對(duì)下一幀目標(biāo)區(qū)域進(jìn)行采樣得到樣本集后，根據(jù)BLAS?3稀疏判別分類計(jì)算樣本集內(nèi)每個(gè)候選目標(biāo)的第一置信度，并且，根據(jù)BLAS?3稀疏生成模型計(jì)算樣本集內(nèi)每個(gè)候選目標(biāo)的抗遮擋直方圖的相似性，然后根據(jù)第一置信度和相似性計(jì)算每個(gè)候選目標(biāo)的協(xié)同置信度選取滿足預(yù)設(shè)要求的協(xié)同置信度對(duì)應(yīng)的候選目標(biāo)作為下一幀的追蹤目標(biāo)，從而可以在不損失目標(biāo)追蹤方法的準(zhǔn)確性和魯棒性的前提下，有效提高基于稀疏表示的魯棒目標(biāo)追蹤的計(jì)算效率，進(jìn)而提高目標(biāo)追蹤的幀率。

技術(shù)領(lǐng)域

本申請(qǐng)涉及計(jì)算機(jī)視覺技術(shù)領(lǐng)域，具體涉及一種目標(biāo)追蹤方法、終端設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

目標(biāo)追蹤是指依靠計(jì)算機(jī)視覺識(shí)別追蹤實(shí)時(shí)視頻流中的指定目標(biāo)，估計(jì)其位置和大小。傳統(tǒng)的圖像稀疏表示是將每一張圖片表示成向量，再通過K-mean算法生成字典矩陣，最后逐一對(duì)多個(gè)圖片向量求解L1系數(shù)懲罰項(xiàng)的誤差最小化問題，來(lái)獲得多個(gè)圖片的稀疏向量解組成的稀疏矩陣。但是，這種方法只能利用效率低的二級(jí)基礎(chǔ)線性代數(shù)子程序，無(wú)法高效利用計(jì)算機(jī)資源，使得傳統(tǒng)圖像稀疏表示算法速度較慢，制約了目標(biāo)追蹤算法的計(jì)算速度。

發(fā)明內(nèi)容

本申請(qǐng)實(shí)施例公開了一種目標(biāo)追蹤方法、終端設(shè)備及存儲(chǔ)介質(zhì)，可以通過三級(jí)基礎(chǔ)代數(shù)子程序來(lái)處理目標(biāo)追蹤的過程，有效提高基于稀疏表示的魯棒目標(biāo)追蹤的計(jì)算效率。

本申請(qǐng)實(shí)施例公開一種目標(biāo)追蹤方法，包括：

根據(jù)上一幀目標(biāo)追蹤結(jié)果或初始選擇目標(biāo)對(duì)下一幀目標(biāo)區(qū)域進(jìn)行采樣，得到若干個(gè)候選區(qū)域樣本作為樣本集；

基于預(yù)設(shè)迭代收縮算法的稀疏判別分類，計(jì)算所述樣本集內(nèi)每個(gè)候選目標(biāo)的第一置信度，所述預(yù)設(shè)迭代收縮算法包括三級(jí)基礎(chǔ)代數(shù)子程序；

基于預(yù)設(shè)迭代收縮算法的稀疏生成模型，計(jì)算所述樣本集內(nèi)每個(gè)候選目標(biāo)的抗遮擋直方圖的相似性；

根據(jù)所述第一置信度和所述相似性計(jì)算每個(gè)候選目標(biāo)的協(xié)同置信度；

選取滿足預(yù)設(shè)要求的所述協(xié)同置信度對(duì)應(yīng)的所述候選目標(biāo)作為下一幀的追蹤目標(biāo)。

可選地，所述預(yù)設(shè)迭代收縮算法，包括：

計(jì)算基礎(chǔ)迭代；

根據(jù)所述基礎(chǔ)迭代計(jì)算第一稀疏矩陣表示或第一非負(fù)稀疏矩陣表示；

計(jì)算迭代間隔；

根據(jù)所述迭代間隔和所述第一稀疏矩陣表示計(jì)算泰勒站展開點(diǎn)，或根據(jù)所述迭代間隔和所述第一非負(fù)稀疏矩陣表示計(jì)算泰勒站展開點(diǎn)；

當(dāng)?shù)`差滿足誤差條件時(shí)，獲取所述第一稀疏矩陣表示的解或者獲取所述第一非負(fù)稀疏矩陣表示的解。

可選地，所述基于預(yù)設(shè)迭代收縮算法的稀疏判別分類，計(jì)算所述樣本集內(nèi)每個(gè)候選目標(biāo)的第一置信度，包括：

獲取投影對(duì)角矩陣；

通過所述對(duì)角矩陣將模板矩陣和候選目標(biāo)矩陣投影到動(dòng)態(tài)辨別空間，得到投影模板矩陣和投影候選目標(biāo)矩陣，所述候選目標(biāo)矩陣與所述樣本集對(duì)應(yīng)，所述模板矩陣與所述模板集對(duì)應(yīng)；

根據(jù)所述投影模板矩陣、所述投影候選目標(biāo)矩陣和所述預(yù)設(shè)迭代收縮算法計(jì)算所述候選目標(biāo)的第二稀疏矩陣表示的第一重構(gòu)誤差；

根據(jù)所述第一重構(gòu)誤差計(jì)算每個(gè)候選目標(biāo)的第一置信度。

可選地，所述基于預(yù)設(shè)迭代收縮算法的稀疏生成模型，計(jì)算所述樣本集內(nèi)每個(gè)候選目標(biāo)的抗遮擋直方圖的相似性，包括：

獲取字典矩陣；

獲取所述樣本集內(nèi)多個(gè)標(biāo)準(zhǔn)滑動(dòng)框小圖的樣本矩陣；