一種基於稀疏表示的目標跟蹤方法
2023-09-19 02:46:20
一種基於稀疏表示的目標跟蹤方法
【專利摘要】本發明涉及目標跟蹤技術。本發明公開了一種基於稀疏表示的目標跟蹤方法。本發明的技術方案，利用遮擋的空間連續性和先驗信息對遮擋進行稀疏學習，在此基礎上，利用更新後的稀疏表示模型求得稀疏係數，然後根據求得的稀疏係數，計算得到重構殘差，再以重構殘差最小的目標作為跟蹤目標並對過完備字典進行實時更新，再根據粒子濾波跟蹤方法，預測目標在下一時刻的位置，得到估計目標，最後以得到的估計目標和更新的過完備字典返回稀疏表示模型進行重複迭代。本發明將稀疏學習思想引入基於稀疏表示的粒子濾波跟蹤算法，可以在遮擋不稀疏的情況下，對遮擋進行稀疏學習和建立遮擋模型，並根據更新後的稀疏表示模型對目標進行精確跟蹤。
【專利說明】-種基於稀疏表示的目標跟蹤方法
【技術領域】
[0001] 本發明涉及目標跟蹤技術，特別涉及用於遮擋目標跟蹤的一種基於稀疏表示的粒 子濾波跟蹤方法。
【背景技術】
[0002] 在目標跟蹤技術中，傳統的目標跟蹤方法有基於目標模式搜索匹配的Mean-Shift 跟蹤算法（參見 Comaniciu D, Ramesh V，Meer Ρ· Kernel-Based Object Tacking. IEEE Trans on Pattern Analysis and Machine Intelligence, 2003, 25 (5) : 564-577)、基於 分類的 Boosting 目標跟蹤算法（參見]Avidan S. Ensemble Tracking. IEEE Trans on Pattern Analysis and Machine Intelligence，2007,29(2):261_271)、基於卡爾曼濾波的 足艮蹤算法（參見Yim J，Jeong S，Gwon K，et al. Improvement of Kalman Filters for WLAN Based Indoor Tracking. Expert Systems with Applications,2010,37 (I):426-433)和 基於粒子濾波的跟蹤算法（參見 Wang Zhaowen，Yang Xiaokang，Xu Yi，et al. CamShift Guided Particle Filter for Visual Tracking. Pattern Recognition Letters,2009, 30(4) :407-413)。近年來，稀疏表達理論在計算機視覺領域發揮著重要作用，該方法有效地 解決了光照、姿態變化以及遮擋情況下的目標識別問題。X. Mei首次將稀疏表達應用於視覺 跟蹤，通過求解最優稀疏解來有效地解決遮擋問題，這種方法不僅能有效應對光照變化，而 且在發生大面積遮擋時也能保持穩定。但是，此方法的前提條件是引起目標變化的遮擋是 稀疏的，然而這種稀疏性假設並不是在所有情況下都會成立，現有技術很難在遮擋不稀疏 的情況下對目標進行跟蹤。
[0003] 目前，遮擋問題是視覺目標跟蹤中的一個難點，由於被遮擋目標在圖像上的觀測 不完整，目標表達模型與觀測之間的匹配度會急劇降低，很容易產生誤匹配而使系統跟丟 目標。針對這個問題，研究者們將稀疏表示應用於目標跟蹤，通過求解最優稀疏解來有效解 決目標遮擋問題。但是，此類方法的前提條件是引起目標變化的遮擋是稀疏的，然而這種稀 疏性假設並不是在所有情況下都會成立，現有技術很難在遮擋不稀疏的情況下對目標進行 跟蹤。
【發明內容】
[0004] 本發明所要解決的技術問題，就是針對現有技術的缺點，提供一種基於稀疏表示 的目標跟蹤方法，利用遮擋的空間連續性和先驗信息對遮擋進行稀疏學習和建立遮擋模 型，從而保證了在遮擋不稀疏的情況下，仍能對遮擋目標進行精確跟蹤。
[0005] 本發明解決所述技術問題採用的技術方案是，一種基於稀疏表示的目標跟蹤方 法，其特徵在於，該方法包括以下步驟：
[0006] 步驟S1，利用輸入圖像得到目標，並初始化過完備字典；
[0007] 步驟S2,根據所述過完備字典建立稀疏表示模型；
[0008] 步驟S3,利用所述稀疏表示模型，判斷目標是否存在遮擋；
[0009] 步驟S4,如果不存在遮擋，則採用分段正交匹配跟蹤方法得到稀疏係數；
[0010] 步驟S5,如果存在遮擋，則利用遮擋的空間連續性和先驗信息對遮擋進行稀疏學 習和建立遮擋模型；
[0011] 步驟S6,通過稀疏學習構造一個懲罰項將遮擋的空間連續性和先驗信息進行有效 的合併，並加入到稀疏表不模型，所述稀疏表不模型數學表達式為：
【權利要求】
1. 一種基於稀疏表示的目標跟蹤方法，其特徵在於，該方法包括以下步驟： 步驟Sl，利用輸入圖像得到目標，並初始化過完備字典； 步驟S2,根據所述過完備字典建立稀疏表示模型； 步驟S3,利用所述稀疏表示模型，判斷目標是否存在遮擋； 步驟S4,如果不存在遮擋，則採用分段正交匹配跟蹤方法得到稀疏係數； 步驟S5,如果存在遮擋，則利用遮擋的空間連續性和先驗信息對遮擋進行稀疏學習和 建立遮擋模型； 步驟S6,通過稀疏學習構造一個懲罰項將遮擋的空間連續性和先驗信息進行有效的合 並，並加入到稀疏表示模型，所述稀疏表示模型數學表達式為：
其中為跟S示目標；D為過完備子典；5為稀疏向量；I為存在遮擋向量；wml為相鄰節 點m和節點1的關聯度，em和ei分別為節點m和節點1的像素值，A和Y是權衡參量； 步驟S7,利用更新的稀疏表示模型，計算得到稀疏係數； 步驟S8,利用步驟S7得到的稀疏係數，計算得到重構殘差； 步驟S9,具有最小重構殘差的目標即為跟蹤目標； 步驟S10,根據步驟S9得到的跟蹤目標，對過完備字典進行更新； 步驟S11，採用粒子濾波跟蹤方法預測步驟S9得到的跟蹤目標在下一時刻的位置； 步驟S12,根據步驟Sll的粒子濾波跟蹤方法，得到估計目標； 步驟S13,利用步驟SlO更新的過完備字典和步驟S12得到的估計目標返回步驟S2建 立稀疏表示模型進行重複迭代。
2. 根據權利要求1所述的一種基於稀疏表示的目標跟蹤方法，其特徵在於，所述過完 備字典包括目標模板和瑣碎模板。
3. 根據權利要求2所述的一種基於稀疏表示的目標跟蹤方法，其特徵在於，所述目標 模板包括靜態模板和動態模板。
【文檔編號】G06T7/20GK104361609SQ201410655529
【公開日】2015年2月18日 申請日期:2014年11月18日 優先權日:2014年11月18日
【發明者】陳勇, 冷佳旭, 張立波 申請人:電子科技大學