【技术实现步骤摘要】
一种计算机视觉跟踪方法及装置
本申请涉及计算机视觉
，尤其涉及一种计算机视觉跟踪方法及装置。
技术介绍
高维数据的稀疏表示是机器学习和计算机视觉跟踪领域的热点之一。视觉跟踪是计算机视觉领域非常重要的一项研究，视觉跟踪的目的是要得到视频序列中特定目标的运动轨迹。视觉跟踪在监控、人机交互、车载导航、视讯索引等方面都有重要的应用。传统的计算机视觉跟踪方法是将主要的注意力集中到稀疏表示中，且假设实际场景中的各种噪声都服从高斯分布，采用稀疏表示算法，通过跟踪目标的特征信息将图像上采集的样本线性表达出来，在满足一定的稀疏度条件下，将跟踪问题的求解转化为线性表达式中最小稀疏表示系数问题的求解，选择稀疏表示系数最稀疏、同时重构误差最小的样本作为跟踪目标，以达到对目标的跟踪，其中，最小稀疏表示系数是指非零元素最少的系数。然而，由于在实际场景中目标遮挡、光照变化的噪声并不完全服从高斯分布，因此传统的计算机视觉跟踪方法对目标遮挡、光照变化的噪声十分敏感，导致目标跟踪的准确性不高。
技术实现思路
本申请实施例提供一种计算机视觉跟踪...
【技术保护点】
1.一种计算机视觉跟踪方法，其特征在于，所述方法包括：/n获取跟踪目标的区域信息和特征信息，所述跟踪目标为在第一帧图像中确定的目标图像；/n根据所述区域信息，从第二帧图像中选取至少一个样本，所述第二帧图像为所述第一帧图像的下一帧图像，所述第一帧图像与所述第二帧图像为同一目标视频中的帧图像；/n基于所述至少一个样本与所述跟踪目标的特征信息、预设高斯分布残差和预设拉普拉斯分布残差，采用预设稀疏表示算法，获取所述至少一个样本中每个样本与所述跟踪目标的特征信息的稀疏表示系数，所述稀疏表示系数表示所述样本与所述跟踪目标的特征信息的匹配度，所述预设高斯分布残差表示所述样本与所述跟踪目标...
【技术特征摘要】
1.一种计算机视觉跟踪方法，其特征在于，所述方法包括：
获取跟踪目标的区域信息和特征信息，所述跟踪目标为在第一帧图像中确定的目标图像；
根据所述区域信息，从第二帧图像中选取至少一个样本，所述第二帧图像为所述第一帧图像的下一帧图像，所述第一帧图像与所述第二帧图像为同一目标视频中的帧图像；
基于所述至少一个样本与所述跟踪目标的特征信息、预设高斯分布残差和预设拉普拉斯分布残差，采用预设稀疏表示算法，获取所述至少一个样本中每个样本与所述跟踪目标的特征信息的稀疏表示系数，所述稀疏表示系数表示所述样本与所述跟踪目标的特征信息的匹配度，所述预设高斯分布残差表示所述样本与所述跟踪目标间的高斯分布残差，所述预设拉普拉斯分布残差表示所述样本与所述跟踪目标间的拉普拉斯分布残差；
基于所述稀疏表示系数，将所述至少一个样本中，最小的预设高斯分布残差对应的样本确定为所述第二帧图像的跟踪目标。
2.如权利要求1所述的方法，其特征在于，基于所述至少一个样本与所述跟踪目标的特征信息、预设高斯分布残差和预设拉普拉斯分布残差，采用预设稀疏表示算法，获取所述至少一个样本中每个样本与所述跟踪目标的特征信息的稀疏表示系数，包括：
采用预设稀疏表示算法，建立所述至少一个样本、字典矩阵、所述预设高斯分布残差、所述预设拉普拉斯分布残差与稀疏表示系数的线性关系，所述字典矩阵包括所述跟踪目标的特征信息；
采用预设优化算法，对所述线性关系进行优化处理，得到所述样本与所述跟踪目标的特征信息的稀疏表示系数。
3.如权利要求2所述的方法，其特征在于，所述线性关系的表达式为：y＝Ax+s+e；
其中，y表示所述至少一个样本，A表示所述字典矩阵，x表示稀疏表示系数，s表示所述预设拉普拉斯分布残差，e表示所述预设高斯分布残差。
4.如权利要求1或2所述的方法，其特征在于，所述稀疏表示系数的表达式为：
其中，argminf(x)表示使得目标函数f(x)取得最小值的所述稀疏表示系数x的集合，表示取二范数的平方，||||1表示取一范数，λ为预设的拉格朗日乘子，β为预设的高斯分布的标准差与预设的拉普拉斯分布的标准差的比值。
5.如权利要求1所述的方法，其特征在于，基于所述稀疏表示系数，将所述至少一个样本中，最小的预设高斯分布残差对应的样本确定为所述第二帧图像的跟踪目标，包括：
基于所述至少一个样本中每个样本对应的预设高斯分布残差，采用二范数最小化算法，得到最小的预设高斯分布残差对应的样本；
确定所述最小的预设高斯分布残差对应的样本为所述第二帧图像的跟踪目标。
6.如权利要求5所述的方法，其特征在于，所述二范数最小化算法的表达式为：
其中，argminf(x)表示使得目标函数f(x)取得最小值的所述稀疏表示系数x的集合，表示取二范数的平方。
7.如权利要求1所述的方法，其特征在于，所述方法还包括：
基于所述最小的预设高斯分布残差对应的样本的区域信息与所述跟踪目标的区域信息，获取所述最小的预设高斯分布残差对应的样本的区域中心点坐标与所述跟踪目标的区域中心点坐标；
采用欧式距离算法，对所述最小的预设高斯分布残差对应的样本的区域中心点坐标与所述跟踪目标的区域中心点坐标间的距离进行运算，获取所述最小预设高斯分布残差对应的样本与所述跟踪目标的中心点坐标误差。
8.如权利要求1所述的方法，其特征在于，所述方法还包括：
基于所述最小的预设高斯分布残差对应的样本的区域信息与所述跟踪目标的区域信息，采用预设重叠算法，获取重叠率，所述重叠率为所述最小预设高斯分布残差对应的样本的区域信息与所述跟踪目标的区域信息间区域重叠的概率。
9.如权利要求8所述的方法，其特征在于，所述重叠率的表达式为：
其中，S表示重叠率，ROIT表示所述最小预设高斯分布残差对应的样本的区域信息，ROIG表示所述跟踪目标的区域信息。
10.如权利要求1所述的方法，其特征在于，基于所述稀疏表示系数，将所述至少一个样本中，最小的预设高斯分布残差对应的样本确定为所述第二帧图像的跟踪目标之后，所述方法还包括：
存储所述第二帧图像中跟踪目标的特征信息。
11.一种计算机视觉跟踪装置，其特征在于，所述装置包括：
获取单元，用于获取跟...
【专利技术属性】
技术研发人员：王冰，温亮生，浮怀铎，徐曜，罗建孝，毛敏，
申请(专利权)人：中移杭州信息技术有限公司，中国移动通信集团有限公司，
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。