【技术实现步骤摘要】
本专利技术人涉及图像识别和目标跟踪的
,特别是一种基于分数阶微分和多特征联合的稀疏表示跟踪方法。
技术介绍
目前,在图像识别和目标跟踪的
中描述目标的特征选择上比较单一,不同特征在描述目标的能力上有所差别,不同特征之间的共享和互补可以改善单个特征的性能;并且局部重叠分块的构建字典方式重复计算了很多的背景信息,而背景信息计算次数越多,跟踪过程中产生漂移的可能性越大,从而影响了跟踪的实时性和鲁棒性;在实际跟踪目标时,只是选取目标主体作为跟踪的主要目标,忽略了同样移动的目标主体周边信息对跟踪准确度的影响。
技术实现思路
本专利技术的目的是提供一种识别跟踪准确的基于分数阶微分和多特征联合的稀疏表示跟踪方法。为了实现上述目的,本专利技术所采取的技术手段是:一种基于分数阶微分和多特征联合的稀疏表示跟踪方法,包括以下步骤:步骤一,模板初始化,对模板进行分块,根据像素大小将模板区域的分为大小不等的9份子块或大小相同的5份子块,提取灰度和HOG特征;步骤二,对目标区域进行分块,根据像素大小将目标图像区域的分为大小不等的9份子块或大小相同的5份子块,提取灰度和HOG特征并建立模板字典得到候选样本;步骤三,联合稀疏表示,将候选样本即抽样粒子采用与模板字典相同的特征,且其每块用字典中所有块进行稀疏表示;步骤四,基于分数阶微分的目标状态估计,求解各抽样粒子每块的重构误差,根据重构误差最小原则得到当前主体目标及相关辅助目标的跟踪结果,然后,根据目标与辅助目标的相关性,重新构造目标区域;步骤五,模板更新,联合增量子空间学习自适应更新字典模板,如果已到最后一帧,则跟踪结束,否则 ...
【技术保护点】
一种基于分数阶微分和多特征联合的稀疏表示跟踪方法,其特征在于包括以下步骤:步骤一,模板初始化,对模板进行分块,根据像素大小将模板区域的分为大小不等的9份子块或大小相同的5份子块,提取灰度和HOG特征;步骤二,对目标区域进行分块,根据像素大小将目标图像区域的分为大小不等的9份子块或大小相同的5份子块,提取灰度和HOG特征并建立模板字典得到候选样本;步骤三,联合稀疏表示,将候选样本即抽样粒子采用与模板字典相同的特征,且其每块用字典中所有块进行稀疏表示;步骤四,基于分数阶微分的目标状态估计,求解各抽样粒子每块的重构误差,根据重构误差最小原则得到当前主体目标及相关辅助目标的跟踪结果,然后,根据目标与辅助目标的相关性,重新构造目标区域;步骤五,模板更新,联合增量子空间学习自适应更新字典模板,如果已到最后一帧,则跟踪结束,否则重复步骤二至步骤五。
【技术特征摘要】
1.一种基于分数阶微分和多特征联合的稀疏表示跟踪方法,其特征在于包括以下步骤:步骤一,模板初始化,对模板进行分块,根据像素大小将模板区域的分为大小不等的9份子块或大小相同的5份子块,提取灰度和HOG特征;步骤二,对目标区域进行分块,根据像素大小将目标图像区域的分为大小不等的9份子块或大小相同的5份子块,提取灰度和HOG特征并建立模板字典得到候选样本;步骤三,联合稀疏表示,将候选样本即抽样粒子采用与模板字典相同的特征,且其每块用字典中所有块进行稀疏表示;步骤四,基于分数阶微分的目标状态估计,求解各抽样粒子每块的重构误差,根据重构误差最小原则得到当前主体目标及相关辅助目标的跟踪结果,然后,根据目标与辅助目标的相关性,重新构造目标区域;步骤五,模板更新,联合增量子空间学习自适应更新字典模板,如果已到最后一帧,则跟踪结束,否则重复步骤二至步骤五。2.根据权利要求1所述的一种基于分数阶微分和多特征联合的稀疏表示跟踪方法,其特征在于:所述的步骤一中,根据像素大小将目标图像区域的分为大小不等的9份子块,分别为子块1至子块9,即目标块大小为30×30像素,其中子块1和子块2为10×20像素,子块3和子块4为20×10像素,子块5为10×10像素,子块6、子块7、子块8和子块9为20×20像素,共产生9个图像子块,其中,重叠子块中包含更多的是跟踪目标的信息,步骤二与步骤一的划分方法相同。3.根据权利要求1所述的一种基于分数阶微分和多特征联合的稀疏表示跟踪方法,其特征在于:所述的步骤一中,根据像素大小将目标图像区域的分为大小相同的5份子块,分别为子块1至子块5,即目标块大小为30×30像素,将目标图像区域分为大小相等的5块,即子块大小为15×15像素,步长为15像素,子块1、子块2、子块3和子块4均分目标块,每块大小为15×15像素,再加上正中心区域大小15×15像素大小的子块,共产生5个图像子块,其中,中间重叠子块中包含更多的是跟踪目标的信息,步骤二与步骤一的划分方法相同。4.根据权利要求1所述的一种基于分数阶微分和多特征联合的稀疏表示跟踪方法,其特征在于:所述的步骤二中,假设采用K个不同的特征,对于每个特征索引k=1,2,...,K,模板字典表示为其中J表示类别数(单个目标模板所分成的局部块的数量),表示第j类局部块的第k个特征,dk是第k个特征的维数,由于根据局部块的位置划分类别而且相同位置的局部块属于同一类,故本算法中各个类的局部块数目都是相同的,每一类局部块的数目等于模板字典的个数n,即5.根据权利要求1所述的一种基于分数阶微分和多特征联合的稀疏表示跟踪方法,其特征在于:所述的步骤三中,用表示第j类m个候选样本的第k个特征量,则可应用模板字典块将其线性的表示为Yjk=Xkwjk+ϵjk,k=1,2,...,K.---(1)]]>式中,是第j类m个候选样本在特征k下的表示系数,是残差项,为联合所有K个特征对应于第j类模板的表示系数,因此,多特征联合稀疏表示可表示为minwj12Σk=1K||(Yjk-Xkwjk)||22+λ||wjT||2,1---(2)]]>式中,[wjT]i是wj转置后的第i行,在局部块中,不同特征描述的维数不同,为了使特征之间的维数统一,需要先对字典模板Xk和候选样本进行核化处理,经核化处理后,对候选样本的每个特征有Xk∈Rp×p,不同特征经过核化后的维数只是与局部块的数量有关,对于所有特征,利用一个非线性函数φk将构建的字典模板和候选样本从原始特征空间映射到另一个高维空间中,对于给定的核函数gk,有φk(xi)Tφk(xj)=gk(xi,xj),在高维空间中,将式(2)写为minwj12Σk=1K||(φk(Yjk)-φk(Xk)wjk)||22+&lambda...
【专利技术属性】
技术研发人员:牛为华,赵鹏,崔克彬,袁和金,
申请(专利权)人:华北电力大学保定,
类型:发明
国别省市:河北;13
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。