基于显著语境稀疏表示的目标追踪方法技术

本发明专利技术提供了基于显著语境稀疏表示的目标追踪方法，属于图像处理领域，包括提取样本图像的特征映射，分别对中心区域和边缘区域的特征映射，将得到的特征映射进行融合处理；对融合后的图像进行稀疏处理，基于处理后的图像进行遮挡求解，对待测视频中的两个连续帧进行建模，基于已建立的模型进行遮挡判断，当判断出现遮挡时，使用前述内容计算当前帧的可视显著性映射，在得到的显著性图中与每个目标模板进行比较，选取权重最高的目标模板作为追踪结果。通过将目标对象被提取为一个显著特征映射，用稀疏表示和显著的语境校正部分遮挡和突然运动的目标，本方法计算简单，提升了目标追踪的有效性和准确性，抗干扰能力也大大提高。

【技术实现步骤摘要】
基于显著语境稀疏表示的目标追踪方法
本专利技术属于图像处理领域，特别涉及基于显著语境稀疏表示的目标追踪方法。
技术介绍
目标跟踪在视频监控、威胁检测、复合安全、人机交互等众多应用中发挥着至关重要的作用，近年来已经取得了大量的进展。一般来说，一个跟踪算法使用一个外观模型来表示对象，并用对象表示来评估预测的图像补丁。此外，还应用动态模型来不断地计算目标的状态。通过对视觉信息的过滤和选择，可以有效地提高跟踪程序。IttiL等人首先提出基于显著性视觉注意力模型，用于快速场景分析。WuY等人提倡在稀疏编码的特征空间中寻找合适的度量标准，提出一种基于度量的结构外观模型，以便更准确地匹配不同的外观。MeiX将稀疏表示扩展到对象跟踪，然而由于该方法可以利用l_1最小化公式处理每个粒子的最小值，计算量较大，且随着目标和背景之间的模糊性越来越大，可能会导致跟踪失败。现有技术中由于光照变化、遮挡、尺度变化和背景杂波等因素影响，鲁棒性和抗干扰能力较弱。
技术实现思路
为了解决现有技术中存在的缺点和不足，本专利技术提供了基于显著语境稀疏表示的目标追踪方法，用于提升跟踪的稳定性。为了达到上述技术目的，本专利技术提供本文档来自技高网...

【技术保护点】
1.基于显著语境稀疏表示的目标追踪方法，其特征在于，所述目标追踪方法，包括：步骤一，提取样本图像的特征映射，分别对中心区域和边缘区域的特征映射，将得到的特征映射进行融合处理；步骤二，对融合后的图像进行稀疏处理，基于处理后的图像进行遮挡求解；步骤三，对待测视频中的两个连续帧进行建模，基于已建立的模型进行遮挡判断，当判断出现遮挡时，使用步骤一和步骤二的内容计算当前帧的可视显著性映射，在得到的显著性图中与每个目标模板进行比较，选取权重最高的目标模板作为追踪结果。

【技术特征摘要】
1.基于显著语境稀疏表示的目标追踪方法，其特征在于，所述目标追踪方法，包括：步骤一，提取样本图像的特征映射，分别对中心区域和边缘区域的特征映射，将得到的特征映射进行融合处理；步骤二，对融合后的图像进行稀疏处理，基于处理后的图像进行遮挡求解；步骤三，对待测视频中的两个连续帧进行建模，基于已建立的模型进行遮挡判断，当判断出现遮挡时，使用步骤一和步骤二的内容计算当前帧的可视显著性映射，在得到的显著性图中与每个目标模板进行比较，选取权重最高的目标模板作为追踪结果。2.根据权利要求1所述的基于显著语境稀疏表示的目标追踪方法，其特征在于，所述提取样本图像的特征映射，分别对中心区域和边缘区域的特征映射，将得到的特征映射进行融合处理，包括：将图像分解为一组特征映射，从特征映射中提取颜色映射CRG，CBY、亮度映射I和局部方向映射O，O的计算公式如公式1所示O(θ)＝||IG0(θ)||+||IGπ/2(θ)||公式1其中G(.)代表Gabor过滤器，θ是局部方向；获取中心区域与周围区域的对比：利用不同空间尺度的图像的差分来模拟对比度，处理公式如公式2所示Fl(c，s)＝|Fl(c)ΘFl(s)|公式2其中Fl(c)代表中部区域特性，Fl(s)代表周边区域特性，Θ的意思是用相同的大小插入这两个图像，并计算每个像素的差分；使用归一化函数N(.)和跨尺度加法运算，将各特征的获得的映射分别进行融合，以实现规模的统一，处理公式如公式3所示Mk＝αN(Ik)+βN(Ck)+γN(Ok)公式3其中Ik，Ck，Ok表示第k个坐标系中的颜色、亮度和方向特征显著性映射，α，β，γ，为权重因子，用于减轻图像质量、图像噪声或其他元素的干扰。3.根据权利要求1所述的基于显著语境稀疏表示的目标追踪方法，其特征在于，所述对融合后的图像进行稀疏处理，基于处理后的图像进行遮挡求解，包括：将跟踪问题转换为稀疏表示的最可能的补丁，并通过公式4的...

【专利技术属性】
技术研发人员：王彦波，戴波，罗旺，梅峰，欧阳柳，姚一杨，叶伟静，
申请(专利权)人：国网浙江省电力有限公司，国网浙江省电力有限公司信息通信分公司，南瑞集团有限公司，
类型：发明
国别省市：浙江,33