【技术实现步骤摘要】
一种基于近似主成分分析的红外目标跟踪方法
本专利技术涉及目标跟踪
，特别是一种基于近似主成分分析的红外目标跟踪方法。
技术介绍
在交通监控、目标检测、视频监控和活动控制等领域，目标跟踪一直是一个非常重要的组成部分。与近几十年来深入研究的可见光波段目标跟踪相比，红外目标跟踪是一种更适合在无光环境下工作的有效方法。此外，红外系统在各种环境下，无论是在黑暗或光线充足条件下，都具有更强的鲁棒性，因此红外目标跟踪在军事和民用领域的应用越来越广泛。虽然红外系统可以连续工作，但由于成像原理和技术瓶颈，红外成像设备获取的图像信息不如可见光设备获取的信息充分，例如红外图像缺乏颜色和纹理信息，同时，红外图像中存在噪声和遮挡杂波。因此，图像细节的丢失和低信噪比限制了红外目标跟踪技术的发展，此外，局部遮挡或完全遮挡也是跟踪过程中的技术问题。现有目标跟踪方法分为生成法和判别法两类：生成法首先提取目标的特征并学习特征模型，通过匹配整个图像，找到最相似区域的目标；判别方法同时考虑背景和目标，通过比较两部分的差异提取目标模型，从而预测当前帧的...
【技术保护点】
1.一种基于近似主成分分析的红外目标跟踪方法，其特征在于，包括以下步骤：/n步骤1、获取图像序列，读取首帧图像，选定跟踪的目标；/n步骤2、对步骤1选定的跟踪目标进行初始化模板矩阵，初始化目标状态向量；/n步骤3、选取粒子数N，对所有粒子分别建立待选目标表观模型，计算出目标矩阵，然后根据重构误差矩阵确定本帧跟踪结果；/n步骤4、对于步骤3中跟踪结果的目标矩阵，通过重构误差矩阵确定权重，更新模板矩阵中的元素；/n步骤5、根据似然概率重新采样，对本帧图像进行状态转移概率高斯分布建模，得到下一帧图像N个对应的候选目标；/n步骤6、返回步骤3，直到图像序列结束。/n
【技术特征摘要】
1.一种基于近似主成分分析的红外目标跟踪方法，其特征在于，包括以下步骤：
步骤1、获取图像序列，读取首帧图像，选定跟踪的目标；
步骤2、对步骤1选定的跟踪目标进行初始化模板矩阵，初始化目标状态向量；
步骤3、选取粒子数N，对所有粒子分别建立待选目标表观模型，计算出目标矩阵，然后根据重构误差矩阵确定本帧跟踪结果；
步骤4、对于步骤3中跟踪结果的目标矩阵，通过重构误差矩阵确定权重，更新模板矩阵中的元素；
步骤5、根据似然概率重新采样，对本帧图像进行状态转移概率高斯分布建模，得到下一帧图像N个对应的候选目标；
步骤6、返回步骤3，直到图像序列结束。
2.根据权利要求1所述的基于近似主成分分析的红外目标跟踪方法，其特征在于，步骤3中目标矩阵的计算过程包括以下步骤：
步骤3.1、将观测矩阵分解为稀疏遮挡矩阵和低秩目标矩阵，目标外观模型表示为：
M＝L+S
其中，M是图像矩阵，L是具有低秩性的目标矩阵，S是具有稀疏性的遮挡矩阵；
为了重建目标观测矩阵，利用函数计算最小重建误差矩阵ε，其中表示矩阵的正则化Frobenius范数的平方，对目标矩阵L应用如下约束：
rank(L)≤ω
其中，rank()表示矩阵的秩，ω为常数；
由于核范数能够代替矩阵秩计算，目标表观模型表示如下：
其中，λ为权重因子；||||*表示矩阵的核范数；
遮挡矩阵是稀疏的，将迫近p范数合并到模型中，最终得到如下公式：
其中，表示表观模型的拉格朗日函数，μ表示尺度因子；Gμλ,p表示矩阵在μ，λ，p值固定下的p范数；Y为拉格朗日乘数，σ(L)表示L的奇异值矩阵；
步骤3.2、初始化参数，通过改变权重因子λ的值动态调整目标跟踪的灵敏度，根据鲁棒主成分分析，设置其中j为一帧图像所有像素数，i表示模板数目；
步骤3.3、通过ADMM方法交替求解目标矩阵T和遮挡矩阵S，并不断更新拉格朗日乘子，具体更新步骤如下：
1)遮挡矩阵S的估计
2)目标矩阵L的估计
3)拉格朗日乘数Y和尺度因子μ的更新
μt+1＝ρμt,0＜ρ＜1
步骤3.4、返回步骤3.1直到计算出所有粒子数下的目标矩阵，根据重构误差矩阵ε...
【专利技术属性】
技术研发人员：顾国华，马超，万敏杰，任侃，钱惟贤，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
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。