一种基于低秩矩阵表示的目标跟踪方法技术

本发明专利技术公开了一种基于低秩矩阵表示的目标跟踪方法，属于图像处理技术领域，解决了传统方法中在目标遮挡等条件下跟踪不稳定的问题。本发明专利技术不仅对全局特征进行低秩矩阵表示，也对跟踪目标的局部特征进行低秩矩阵表示，从而使得对目标的描述不仅包含了全局特征也包含了局部特征，使得对目标的跟踪具有更好的鲁棒性。不同于稀疏表示对粒子单独进行处理的方法，本发明专利技术利用了粒子间的相似性，将各粒子的系数向量组成系数矩阵，并对系数矩阵加了秩最小的限制，从而降低了算法的运算量。而为了抑制目标跟踪过程中的漂移现象，本发明专利技术还纳入了与目标距离较远的背景模板，通过寻找背景模板系数尽可能小的目标模板尽可能大的目标，达到更好的跟踪效果。

A target tracking method based on low rank matrix representation

The invention discloses a target tracking method based on low rank matrix representation, which belongs to the technical field of image processing, and solves the problem of unstable tracking in the traditional method under the condition of target occlusion. The invention not only on global features of low rank matrices and also local features for tracking of low rank matrix, which makes the target description includes not only the global feature also includes local features, makes the target tracking has better robustness. Different from the sparse representation of the particle is processed separately, the invention utilizes the similarity between the particles, the particle composition of the coefficient vectors of coefficient matrix and the coefficient matrix with rank minimum limit, thereby reducing the computational complexity of the algorithm. In order to suppress the drift in the target tracking process, the invention also included and the target is far from the background template, by looking for background template coefficients as small as possible target template as large as possible, to achieve better tracking effect.

【技术实现步骤摘要】

本专利技术属于模式识别与计算机视觉领域，尤其涉及一种基于低秩矩阵的目标跟踪方法。
技术介绍
随着计算机技术的迅猛发展以及诸如“智能地球”、“智能交通”、“智能家居”等概念的提出，人们对未来智能化的生活充满了期待，加快智能化建设的呼声也越来越高。智能化的主要思想是利用计算机来代替人力，在特定场景下自动完成观察、判断、预警等任务，从而节省人力资源，便利人们的日常生活。在智能化的概念下，计算机可以完成的任务千差万别，但不论计算机的具体任务为何，都需要先运用计算机视觉领域的知识完成对外界的观察，因此智能化建设对计算机视觉领域的技术积累和发展提出了较高的要求。目标跟踪作为计算机视觉领域的重要课题，一直都有着不少的科研人员将目光专注于其上。一般而言，基于视频或者图像序列的目标跟踪是通过处理视频或者图像，对目标进行检测、提取、识别和跟踪，获取目标的运动参数(如速度、位置、旋转角度等)，锁定目标的运动轨迹，从而实现进一步理解目标的行为，甚至完成更加高级的任务。因此，目标跟踪在计算机视觉领域具有十分重要的意义。只有目标跟踪的效果得以稳定，才能使后续的诸如行为理解等更高级的任务得以进行。目标跟踪在实际应用中也有广泛的前景，而其在安全监控、人机交互、军事、医学等领域更是已有广泛的应用。在摄像头已几乎遍布生活中各个角落的今天，我们对智能监控的需求达到了有史以来的顶峰。如果每个摄像监控都需要人力去观察，将会造成巨大的人力资源浪费，而智能监控能够自动的对这些海量的监控视频进行处理，达到我们想要达到的目的。而无论智能监控的具体目标是什么，其效果实现都必须建立在目标跟踪成功的基础上。如对独居老人的智能安全监控需要先实现对老人的跟踪，之后再对跟踪目标提取相关信息进行老人的行为判断，从而在老人发生意外摔倒等情况下及时通知医护人员；在人机交互方面，需要使用跟踪技术，来使人的肢体语言、表情等成为控制途径，从而实现一系列的功能，带给客户极佳的用户体验；在医学上，通过对病人病变部位的细胞或区域进行长期跟踪，能够帮助医生更快速准确的治疗疾病；在军事上，通过跟踪技术来对导弹的飞行进行控制，并在敌方目标快速准确定位上具有重要作用。因此，跟踪技术的研究具有十分重要的现实意义。
技术实现思路
针对现有技术，本专利技术提供一种进行目标跟踪的方法，其能够对复杂场景下的目标进行跟踪，并且具有较强的鲁棒性。为实现上述目的，本专利技术采用的如下技术方案：一种基于低秩矩阵表示的目标跟踪方法，其特征在于，包括以下步骤：步骤一：在第1帧选取初始目标位置，根据初始目标位置选取目标模板和背景模板，先对目标模板进行分块处理，然后对目标模板和背景模板进行仿射变换，完成局部字典和全局字典的初始化；步骤二：根据第s-1帧的目标位置，选取第s帧的跟踪目标T，再将第s帧的跟踪目标T仿射变换为与全局字典中原子相同大小的块并得到状态参数Fs，s>＝2；步骤三：以第s帧目标状态参数Fs为均值，δ2为方差的高斯分布随机在第s帧采集粒子，对粒子进行分块处理和仿射变换，构建分块矩阵和全局矩阵，用局部字典表示各个分块矩阵，得到对应局部系数矩阵；用全局字典表示全局矩阵，得到全局系数矩阵；步骤四：通过全局系数矩阵以及局部系数矩阵计算得到各粒子总权重ωi，然根据粒子坐标位置和权重ωi，得到s帧目标位置Ls，步骤五：根据s帧的目标位置，对局部字典和全局字典进行更新；步骤六：s＝s+1,转至步骤二。上述技术方案中，步骤一包括如下步骤：S11：选取目标模板和背景模板以p个像素点为步长，目标位置L为中心，在垂直方向上上下移动最多一个步长，在水平方向上左右移动最多一个步长，从而取到8个与目标大小形状相同的块作为模板，目标本身同样作为一个模板，最后再在目标附近(与目标位置不超过目标的长宽最小值)随机取m个块作为模板，构成以m+9个模板组成的目标模板集合{E1,E2,…Em+9本文档来自技高网...

【技术保护点】
一种基于低秩矩阵表示的目标跟踪方法，其特征在于，包括以下步骤：步骤一：在第1帧选取初始目标位置，根据初始目标位置选取目标模板和背景模板，先对目标模板进行分块处理，然后对目标模板和背景模板进行仿射变换，完成局部字典和全局字典的初始化；步骤二：根据第s‑1帧的目标位置，选取第s帧的跟踪目标T，再将第s帧的跟踪目标T仿射变换为与全局字典中原子相同大小的块并得到状态参数Fs，s>＝2；步骤三：以第s帧目标状态参数Fs为均值，δ2为方差的高斯分布随机在第s帧采集粒子，对粒子进行分块处理和仿射变换，构建分块矩阵和全局矩阵，用局部字典表示各个分块矩阵，得到对应局部系数矩阵；用全局字典表示全局矩阵，得到全局系数矩阵；步骤四：通过全局系数矩阵以及局部系数矩阵计算得到各粒子总权重ωi，然根据粒子坐标位置和权重ωi，得到s帧目标位置LS，步骤五：根据s帧的目标位置，对局部字典和全局字典进行更新；步骤六：s＝s+1,转至步骤二。

【技术特征摘要】
1.一种基于低秩矩阵表示的目标跟踪方法，其特征在于，包括以下步骤：
步骤一：在第1帧选取初始目标位置，根据初始目标位置选取目标模板和背景模板，先
对目标模板进行分块处理，然后对目标模板和背景模板进行仿射变换，完成局部字典和全
局字典的初始化；
步骤二：根据第s-1帧的目标位置，选取第s帧的跟踪目标T，再将第s帧的跟踪目标T仿
射变换为与全局字典中原子相同大小的块并得到状态参数Fs，s>＝2；
步骤三：以第s帧目标状态参数Fs为均值，δ2为方差的高斯分布随机在第s帧采集粒子，
对粒子进行分块处理和仿射变换，构建分块矩阵和全局矩阵，用局部字典表示各个分块矩
阵，得到对应局部系数矩阵；用全局字典表示全局矩阵，得到全局系数矩阵；
步骤四...

【专利技术属性】
技术研发人员：程建，梁昊，王峰，刘海军，刘瑞，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51