一种基于矩阵低秩表示理论的运动目标跟踪方法技术

本发明专利技术在粒子滤波理论框架下提出了一种基于矩阵低秩表示理论的运动目标跟踪方法。将由图像序列组成的运动目标观测矩阵分解为一个表示运动目标的低秩矩阵和一个表示遮挡的稀疏矩阵，将低秩矩阵作为运动目标模型，将稀疏矩阵作为目标遮挡模型，使用运动目标模型和目标遮挡模型建立目标观测概率最优化方程；使用优化算法分别求解出运动目标模型和目标遮挡模型；将求解出的运动目标模型和目标遮挡模型代入目标观测概率最优化方程计算出目标跟踪所需的运动目标观测概率，从而实现对运动目标的跟踪。本发明专利技术克服了运动目标受遮挡后跟踪漂移甚至运动目标丢失的问题，提高运动目标跟踪的抗遮挡能力，具有较强的鲁棒性。

A moving object tracking method based on low rank representation theory

Based on the theory of particle filter, this paper presents a method of moving object tracking based on matrix low rank representation theory. The target observation matrix composed of image sequence is decomposed into a moving target of low rank matrix and a sparse matrix block, the low rank matrix as the target model, the sparse matrix as target occlusion model, occlusion model target observation probability optimization equation using moving target model and target use respectively; to solve the moving target model and target occlusion model optimization algorithm; the target model and the target solution to the occlusion model into the target observation probability optimization equation to calculate the target tracking for moving target observation probability, so as to realize the tracking of moving targets. The invention overcomes the problem that the moving target is tracked to drift or even the moving target is blocked, and the anti blocking ability of the moving target tracking is improved.

【技术实现步骤摘要】

本专利技术属于计算机视觉处理
，具体涉及一种基于矩阵低秩表示理论的运动目标跟踪方法。
技术介绍
在对运动目标进行跟踪时，对于给定的视频序列，运动目标跟踪方法就是对运动目标进行检测、提取、识别和跟踪，以获得较为准确的目标的位置、速度、加速度等参数信息，并通过进一步的处理，实现对运动目标行为的理解，进而完成更高级别的任务。也可以说是在连续的图像帧之间，实现位置、速度、形状、纹理、色彩等图像特征的匹配。因此，运动目标跟踪方法的关键在于建立每一帧图像中候选目标与参考目标之间的对应关系。然而，由于光照变化、运动目标形状变化、背景变化，以及运动目标被部分遮挡或者完全遮挡等因素的影响，对于给定的图像序列，运动目标上的特征信息可能会消失一段时间再出现甚至完全消失。对于现有的运动目标跟踪方法，例如IVT方法和L1T方，通常只考虑相邻两帧图像之间的关系，而忽略了跟踪过程中整个图像序列之间的连续性，当运动目标被部分遮挡或者完全遮挡、受到光照剧烈变化等因素的影响时，跟踪结果容易出现漂移甚至运动目标丢失。
技术实现思路
本专利技术的目的在于提出一种基于矩阵低秩表示理论的运动目标跟踪方法，克服了运动目标受遮挡后跟踪漂移甚至运动目标丢失的问题，提高运动目标跟踪的抗遮挡能力，具有较强的鲁棒性。为了解决上述技术问题，本专利技术提供一种基于矩阵低秩表示理论的运动目标跟踪方法，使用如公式(1)所示的方法计算运动目标跟踪过程中所需的运动目标观测概率，从而实现运动目标跟踪， p ( I t | X t ) = exp { - [ min T , S it ∈ { 0,1本文档来自技高网...

【技术保护点】
一种基于矩阵低秩表示理论的运动目标跟踪方法，其特征在于，使用如公式(1)所示的方法计算运动目标跟踪过程中所需的运动目标观测概率，从而实现运动目标跟踪，p(It|Xt)=exp{-[minT,Sit∈{0,1|12||Ps⊥(I1:n-T)||F2+α||T||*+β||S||1+γ||Avec(S)||1]}---(1)]]>式(1)中，p(It|Xt)是在粒子滤波理论框架下计算获得的运动目标观测概率，It为t时刻的目标观测矩阵，Xt＝(xt,yt,st,rt,θt,λt)是用于表示t时刻的目标状态的二维仿射参数，其中xt为x方向偏移量，yt为y方向偏移量，st为目标缩放尺度，rt为目标纵横比，θt为目标旋转角度，λt为目标倾斜角度；式(1)中，T＝{T1,T2,...,Tn}m×n(m＞＞n)，是从观测矩阵I1:n分解出的一个低秩矩阵，即运动目标矩阵，将其作为运动目标模型；式(1)中，S∈{0,1}m×n是从运动目标观测矩阵I1:n分解出的一个稀疏矩阵，即目标遮挡矩阵，将其作为目标遮挡模型，其定义如公式(2)所示：式(2)中，it表示第t帧图像中的第i个像素点；式(1)中，函数表示运动目标观测矩阵I1:n在线性空间正交投影的正交补空间；||·||F表示Frobenius范数，||·||*表示核范数；α、β和γ均为常数。...

【技术特征摘要】
1.一种基于矩阵低秩表示理论的运动目标跟踪方法，其特征在于，使用如公式(1)所示的方法计算运动目标跟踪过程中所需的运动目标观测概率，从而实现运动目标跟踪， p ( I t | X t ) = exp { - [ min T , S it ∈ { 0,1 | 1 2 | | P s ⊥ ( ...

【专利技术属性】
技术研发人员：孔筱芳，顾国华，丁祺，徐富元，陈钱，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏;32