一种目标跟踪方法、终端设备及存储介质技术

本发明专利技术涉及一种目标跟踪方法、终端设备及存储介质，该方法中包括：对目标模板施加低秩约束，降低背景杂乱的影响；将目标模板与候选图像分别分块处理，构建基于低秩约束的逆向联合稀疏表示的联合稀疏编码模型；引入交替方向乘子法，将目标函数转换为若干个相对简单的子问题求解；通过联合稀疏编码打分，判别式非最大值抑制投票打分和局部纹理特征相似度打分三步评分机制筛选出最优候选粒子，获得最优图像块。本发明专利技术可以有效提高跟踪的精确度与成功率，且在遮挡、旋转、运动模糊和背景杂波情况下取得较好的跟踪性能。

【技术实现步骤摘要】
一种目标跟踪方法、终端设备及存储介质
本专利技术涉及计算机视觉领域，尤其涉及一种目标跟踪方法、终端设备及存储介质。
技术介绍
在计算机视觉领域中，目标跟踪是一个重要的研究问题，在许多领域都有深入的应用，包括视频监控、交通监控、人机交互、军事应用、图像检索等，具有十分广阔的发展前景。尽管目标跟踪在过去的十年中已经取得了很大的进展，由于跟踪过程中场景的多变性，使得跟踪面临各种干扰因素，主要包括局部遮挡、光照强度变化、尺度变化、旋转和背景复杂等，这些干扰因素会试跟踪器产生累积误差，产生跟踪漂移，最终导致跟踪失败。视觉目标跟踪系统的基本框架主要由搜索策略、特征提取和观测模型组成。通过搜索策略获取候选样本，然后进行人工特征和学习特征的特征提取，最后，根据特征判断候选样本是否为跟踪目标的观测模型。传统的正向稀疏表示的目标跟踪算法以目标模板为字典稀疏表示候选模板。正向稀疏跟踪模型存在如下几方面局限：第一，候选模板数量较大，因此正向稀疏跟踪模型计算量较大；第二，该模型忽略了目标模板之间的时空相似性；第三，该模型只关注候选模板与目标模板的相似性，忽略了背本文档来自技高网...

【技术保护点】
1.一种目标跟踪方法，其特征在于，包括以下步骤：/nS1：根据待跟踪目标，构建目标的正专家模板集；/n正专家模板集的构建方法为：采集N个正目标模板，针对每个正目标模板进行分块处理，即通过滑动窗口将其划分为K个局部图像块，将每个局部图像块采用拉列算子vec进行拉列处理，将K个局部图像块拉列处理后的结果作为目标的正专家模板；设定Y

【技术特征摘要】
1.一种目标跟踪方法，其特征在于，包括以下步骤：
S1：根据待跟踪目标，构建目标的正专家模板集；
正专家模板集的构建方法为：采集N个正目标模板，针对每个正目标模板进行分块处理，即通过滑动窗口将其划分为K个局部图像块，将每个局部图像块采用拉列算子vec进行拉列处理，将K个局部图像块拉列处理后的结果作为目标的正专家模板；设定Yk表示N个正专家模板中所有正专家模板的第k个局部图像块的集合，表示第n个正专家模板中第k个局部图像块，n＝1,2,...,N，表示正目标模板的序号；设定正专家模板集中第n个正专家模板为PTn，
S2：根据上一帧目标的状态，在新一帧视频图像中撒M个粒子组成候选粒子集，用滑动窗口将每个粒子划分为K个局部图像块，分别为其中，表示第m个粒子中的第k个局部图像块；
S3：对目标的正专家模板集中的各正专家模板施加低秩约束后，构建基于低秩约束的逆向联合稀疏表示的联合稀疏编码模型：









其中，表示Yk施加低秩约束后的结果，Dk表示第k个空间视觉子字典，Xk为稀疏编码系数，表示空间稀疏编码矩阵，表示第k个空间视觉子字典Dk对Yk中第n个正专家模板的稀疏编码系数，||Xk||2,1表示空间稀疏编码矩阵Xk的l2,1范数；
S4：引入交替方向乘子法，求解稀疏编码系数Xk；
S5：通过联合稀疏编码打分，判别式非最大值抑制投票打分和局部纹理特征相似度打分三步评分机制筛选出最优粒子；
S6：根据最优粒子进行目标跟踪。


2.根据权利要求1所述的目标跟踪方法，其特征在于：步骤S4具体包括以下步骤：
S41：输入Dk、正则化参数μ、二次惩罚项系数λ、学习率γ、迭代次数阈值Iter，初始化设定迭代次数t＝1、k＝1，设定Xk的初始值拉格朗日乘子Λs的初始值和去耦合变量S的初始值S(0)均为0；
S42：根据下式分别更新









其中，G(i,:)表示G矩阵的第i行，||.||2表示L2范数，上标(t)表示第t次迭代，表示Dk的转置；
S43：判断t<Iter是否成立，如果是，令t＝t+1，返回S42；否则，进入S44；
S44：判断k<K是否成立，如果是，令k＝k+1，返回S42；否则，进入S45；
S45：输出稀疏编码系数Xk。


3.根据权利要求1所述的目标跟踪方法，其特征在于：通过联合稀疏编码打分筛选的过程包括以下步骤：
S511：通过下式的判定条件初步优选粒子：
||Xk(i,:)||2>τ1
其中，Xk(i,:)表示矩阵Xk的第i行，τ1表示第一阈值；
S512：将初步优选得到的粒子进行图像抽取，得到图像设定为
S513：将与步骤S1中构建的正专家模板集中的任一正专家模板中的对应位置k处的局部图像块进行余弦距离打分，r＝rand(1,N)，rand表示随机抽取；
S514：根据余弦距离打分结果，通过下式的判定条件进一步优选粒子：



其中，τ2表示第二阈值；
S515：将同时满足步骤S511的初步优选条件和步骤S514的进一步优选条件的粒子打1分，其他粒子打0分，从而得到K个大小为M×1的指示向量Ik(k＝1,2,...,K)；
S516：将获得的K个指示向量Ik组成大小为K×M的矩阵I，并计算每一行的和，将结果组成一个列向量，然后根据下式计算列向量中每个粒子的第一分数分数Score1(i)后，筛选出第一分数不为0的O个粒子S1,S2,...,SO，其中Si(i＝1,2,...,O)表示选择的粒子在候选粒子...

【专利技术属性】
技术研发人员：陈颖频，孔俊雅，虞虹玲，林晨，蒋旻佚，罗崇淼，
申请(专利权)人：闽南师范大学，
类型：发明
国别省市：福建;35