【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; ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。