一种多特征与自适应标准对冲相结合的目标跟踪方法技术

一种多特征与自适应标准对冲相结合的目标跟踪方法，其特征在于：它包括以下步骤：(1)利用跟踪目标的多特征构造字典，跟踪目标表示为字典空间中的向量；(2)基于标准对冲，设计自适应标准对冲；(3)在自适应标准对冲跟踪框架下，估算出当前跟踪目标

A Target Tracking Method Combining Multi-feature and Adaptive Standard Hedging

【技术实现步骤摘要】
一种多特征与自适应标准对冲相结合的目标跟踪方法
本专利技术涉及计算机视觉
，具体涉及一种多特征与自适应标准对冲相结合的目标跟踪方法。
技术介绍
视觉目标跟踪是计算机视觉领域一个重要的研究内容，在视觉导航、人机交互、智能交通、视频监控等领域得到了广泛应用，是各种后续高级处理，如目标识别、行为分析、及应用理解等高层视频处理和应用的基础。然而由于跟踪视频中存在遮挡、光照变化、尺度变化、突变、角度变化等因素，这使得准确鲁棒的视频目标跟踪成为一项非常重要的工作。随着压缩感知理论以及稀疏编码理论的发展，使得稀疏表示已被应用于视频目标的跟踪中，其核心是将目标视为粒子滤波框架下的稀疏表示问题。在稀疏表示跟踪中，l1跟踪方法具有较强的鲁棒性，但因其需求解l1范数最小化问题使得求解比较困难且耗时。鉴于此，Mei等人采用最小误差限制来减少粒子以提高运行速度，Bao等人采用加速梯度方法来求解l1范数，Zhang等人提出实时压缩跟踪方法来降低数据维数并提高计算速度，但当光照变化剧烈或者目标与背景相似时，这些方法的鲁棒性和精确度显著下降。同时，粒子滤波跟踪框架存在无法避免的粒子退化问题，主要表现为经过若干次递推后，除少量粒子外，大部分粒子权值小甚至可以忽略，因此会导致跟踪失败。
技术实现思路
本专利技术要解决的技术问题是：提供一种在复杂环境下仍具有良好的准确性和鲁棒性的多特征与自适应标准对冲相结合的目标跟踪方法。本专利技术的技术解决方案是：一种多特征与自适应标准对冲相结合的目标跟踪方法，其特征在于：它包括以下步骤：(1)利用跟踪目标的多特征构造字典，跟踪目标表示为字典空间中的向量；(2)基于标准对冲，设计自适应标准对冲；(3)在自适应标准对冲跟踪框架下，估算出当前跟踪目标采用上述方法后，本专利技术具有以下优点：本专利技术多特征与自适应标准对冲相结合的目标跟踪方法利用跟踪目标的多特征构造字典，能提高跟踪目标的表征能力，减少光照变化等敏感因素的干扰，能保证复杂环境下目标跟踪的准确性和鲁棒性；另外，在自适应标准对冲跟踪框架下，可有效避免粒子退化和跟踪失败问题，进一步提高了目标跟踪的准确性和鲁棒性。作为优选，所述步骤(1)中字典包括目标模板，利用跟踪目标的多特征构造目标模板包括以下步骤：(a)从第一帧图像中人工选取原跟踪目标y1并抽取其特征t1；在原跟踪目标y1中心附近微扰获取候选跟踪目标y2、y3…yn1，并抽取其特征t2、t3…tn1；(b)由原跟踪目标y1及多个候选跟踪目标y2、y3…yn1的特征构成目标模板Df：；其中ti＝[p1(yi),p2(yi),…,pk(yi)]T，1≤i≤n1；pk(yi)为原跟踪目标y1或候选跟踪目标y2、y3…yn1的第k个特征。补充多个候选跟踪目标的特征到字典，可提高跟踪目标的表征能力，进一步减少背景干扰，保证复杂环境下目标跟踪的准确性和鲁棒性。作为优选，所述步骤(1)中字典还包括背景模板，利用跟踪目标的多特征构造背景模板包括以下步骤：(a)在远离原跟踪目标y1的位置选取n2个背景目标y1'、y2'…yn2'；(b)提取上述n2个背景目标y1'、y2'…yn2'的特征t1'、t2'…tn2'并生成背景模板Db，其中ti'＝[p1(yi'),p2(yi'),…,pk(yi')]T，1≤i≤n2，pk(yi')为背景目标yi'的第k个特征，背景模板中的k个特征与目标模板中的k个特征一致；(c)跟踪目标便可表示为其中D为字典，f是跟踪目标在目标模板空间中的向量表示，b是跟踪目标在背景模板空间中的向量表示，一般是线性系数，a是跟踪目标在构造的字典D中的向量表示。在字典中加入背景模板，可有效防止跟踪过程中产生的漂移现象，目标跟踪更准确。作为优选，所述步骤(3)在估算出当前跟踪目标之后，还更新目标模板Df和背景模板Db。更新目标模板Df和背景模板Db，即对字典进行更新，相比静态模板，能更加准确地捕获目标变化，进一步提高了复杂环境下目标跟踪的准确性和鲁棒性。作为优选，目标模板Df和背景模板Db根据巴氏系数自适应地更新，通过分别计算跟踪结果与目标模板Df中系数最大的样本之间的巴氏系数s、与Df中各样本的巴氏系数si，并设定两个阈值τ1＜τ2；若s＞τ2则说明跟踪结果能很好地被目标模板Df表示，若s＜τ1说明跟踪目标发生了强烈的外观变化，此时用跟踪结果替换最小值sm所对应的目标样本，背景模板Db采用粒子残差较大的n3(小于n2)个粒子进行更新。采用随机选取的方式选取被替换背景样本，早期背景样本优先被替换，目标跟踪更准确。作为优选，所述步骤(1)中跟踪目标的多特征包括RGB特征，所述RGB特征的提取过程如下：以x为中心的原跟踪目标或候选目标包含M个像素xi，则x处的加权特征直方图表示为由加权特征直方图获取RGB特征向量；其中C为归一化常数，且h是核函数的带宽，δ是狄拉克函数，b(xi)表示xi处像素在直方图特征分布等级索引映射函数，u为直方图上特征分布等级索引，k(r)是权重核函数，权重函数的设置使得离中心较远的像素赋予较小的值，且离中心较近的像素赋予较大的值，从而突出了中心弱化了边缘，解决了边缘像素容易受到遮挡和噪声干扰的问题。作为优选，所述步骤(1)中跟踪目标的多特征包括LBP纹理特征，所述LBP纹理特征的提取过程如下：以x0为中心的邻域内包含P个像素点xi'，则x0处的LBP纹理特征直方图表示为其中T为阈值，由LBP纹理特征直方图获取LBP纹理特征向量。LBP纹理特征在光照发生变化的情况下，仍具有较好的准确性和鲁棒性。作为优选，所述步骤(2)基于标准对冲，设计自适应标准对冲，包括以下步骤；(a)设计自适应调整因子λ，其中：为标准对冲中每位专家对应的损失，为标准对冲中学习者的期望损失，且的初始值N为自定义的专家个数，γ为常量参数用于控制指数函数的形状；(b)在标准对冲下，学习者在t时刻对专家i的懊恼值为对专家i的累积懊恼值为利用自适应调整因子λ修正对专家i的累积懊恼值得到修正后的对专家i的累积懊恼值目标就是最小化累积懊恼值以期找到最好的专家；(c)对专家i的权重进行更新：其中[x]+＝max{0,x}，ct是一个尺度参数且满足利用自适应调整因子λ修正累积懊恼值并对专家i的权重进行更新，可自适应地调整系统的参数，更有利于目标跟踪。作为优选，所述步骤(3)在自适应标准对冲跟踪框架下，估算出当前跟踪目标包括以下步骤：(a)利用放射变换参数来定义第i个候选跟踪目标yi在时刻t的状态变量其中(xt,yt)对应着水平和垂直位移，(α1,α2,α3,α4)包含了变形参数，状态转移由随机游走表示，即是高斯正态分布函数,∑是一个对角协方差矩阵，它的元素为六个放射变换参数的方差；(b)将专家视为粒子，粒子残差可计算为可得到第i个专家(粒子)在时刻t的损失为时刻t的目标模板，是时刻t跟踪目标在目标模板中的稀疏表示系数；(c)依次计算出学习者的期望损失自适应调整因子λ，并更新对专家i的累积懊恼值和每个粒子的权重时刻t的跟踪结果估计为作为优选，所述步骤(1)之后且步骤(2)之前，还包括以下步骤：采用压缩感知方法，对特征空间进行降维处理并求解出各跟踪目标的稀疏表示系数各跟踪目标的稀疏系数向量通过获得；其中Φ是随机测量矩阵，且采用压缩感知方法，本文档来自技高网...

【技术保护点】
1.一种多特征与自适应标准对冲相结合的目标跟踪方法，其特征在于：它包括以下步骤：(1)利用跟踪目标的多特征构造字典，跟踪目标表示为字典空间中的向量；(2)基于标准对冲，设计自适应标准对冲；(3)在自适应标准对冲跟踪框架下，估算出当前跟踪目标

【技术特征摘要】
1.一种多特征与自适应标准对冲相结合的目标跟踪方法，其特征在于：它包括以下步骤：(1)利用跟踪目标的多特征构造字典，跟踪目标表示为字典空间中的向量；(2)基于标准对冲，设计自适应标准对冲；(3)在自适应标准对冲跟踪框架下，估算出当前跟踪目标2.根据权利要求1所述的一种多特征与自适应标准对冲相结合的目标跟踪方法，其特征在于：所述步骤(1)中字典包括目标模板，利用跟踪目标的多特征构造目标模板包括以下步骤：(a)从第一帧图像中人工选取原跟踪目标y1并抽取其特征t1；在原跟踪目标y1中心附近微扰获取候选跟踪目标y2、y3…yn1，并抽取其特征t2、t3…tn1；(b)由原跟踪目标y1及多个候选跟踪目标y2、y3…yn1的特征构成目标模板Df：；其中ti＝[p1(yi),p2(yi),…,pk(yi)]T，1≤i≤n1；pk(yi)为原跟踪目标y1或候选跟踪目标y2、y3…yn1的第k个特征。3.根据权利要求2所述的一种多特征与自适应标准对冲相结合的目标跟踪方法，其特征在于：所述步骤(1)中字典还包括背景模板，利用跟踪目标的多特征构造背景模板包括以下步骤：(a)在远离原跟踪目标y1的位置选取n2个背景目标y1'、y2'…yn2'；(b)提取上述n2个背景目标y1'、y2'…yn2'的特征t1'、t2'…tn2'并生成背景模板Db，其中t'i＝[p1(yi'),p2(yi'),…,pk(yi')]T，1≤i≤n2，pk(yi')为背景目标yi'的第k个特征，背景模板中的k个特征与目标模板中的k个特征一致；(c)跟踪目标便可表示为其中D为字典，f是跟踪目标在目标模板空间中的向量表示，b是跟踪目标在背景模板空间中的向量表示，一般是线性系数，a是跟踪目标在构造的字典D中的向量表示。4.根据权利要求3所述的一种多特征与自适应标准对冲相结合的目标跟踪方法，其特征在于：所述步骤(3)在估算出当前跟踪目标之后，还更新目标模板Df和背景模板Db。5.根据权利要求4所述的一种多特征与自适应标准对冲相结合的目标跟踪方法，其特征在于：目标模板Df和背景模板Db根据巴氏系数自适应地更新，通过分别计算跟踪结果与目标模板Df中系数最大的样本之间的巴氏系数s、与Df中各样本的巴氏系数si，并设定两个阈值τ1＜τ2；若s＞τ2则说明跟踪结果能很好地被目标模板Df表示，若s＜τ1说明跟踪目标发生了强烈的外观变化，此时用跟踪结果替换最小值sm所对应的目标样本，背景模板Db采用粒子残差较大的n3(小于n2)个粒子进行更新。6.根据权利要求1所述的一种多特征与自适应标准对冲相结合的目标跟踪方法，其特征在于：所述...

【专利技术属性】
技术研发人员：王仁芳，刘云鹏，孙德超，张亮，
申请(专利权)人：浙江万里学院，
类型：发明
国别省市：浙江,33