目标追踪方法、系统、终端设备及存储介质技术方案

本申请适用于计算机视觉技术领域，公开了一种目标追踪方法、终端设备及存储介质。本申请方法通过根据上一帧目标追踪结果或初始选择目标对下一帧目标区域进行采样得到样本集后，根据BLAS

【技术实现步骤摘要】
目标追踪方法、系统、终端设备及存储介质


[0001]本申请涉及计算机视觉
，具体涉及一种目标追踪方法、终端设备及存储介质。

技术介绍

[0002]目标追踪是指依靠计算机视觉识别追踪实时视频流中的指定目标，估计其位置和大小。传统的图像稀疏表示是将每一张图片表示成向量，再通过K
‑
mean算法生成字典矩阵，最后逐一对多个图片向量求解L1系数惩罚项的误差最小化问题，来获得多个图片的稀疏向量解组成的稀疏矩阵。但是，这种方法只能利用效率低的二级基础线性代数子程序，无法高效利用计算机资源，使得传统图像稀疏表示算法速度较慢，制约了目标追踪算法的计算速度。

技术实现思路

[0003]本申请实施例公开了一种目标追踪方法、终端设备及存储介质，可以通过三级基础代数子程序来处理目标追踪的过程，有效提高基于稀疏表示的鲁棒目标追踪的计算效率。
[0004]本申请实施例公开一种目标追踪方法，包括：
[0005]根据上一帧目标追踪结果或初始选择目标对下一帧目标区域进行采样，得到若干个候选区域样本作为样本集；
[0006]基于预设迭代收缩算法的稀疏判别分类，计算所述样本集内每个候选目标的第一置信度，所述预设迭代收缩算法包括三级基础代数子程序；
[0007]基于预设迭代收缩算法的稀疏生成模型，计算所述样本集内每个候选目标的抗遮挡直方图的相似性；
[0008]根据所述第一置信度和所述相似性计算每个候选目标的协同置信度；
[0009]选取满足预设要求的所述协同置信度对应的所述候选目标作为下一帧的追踪目标。
[0010]可选地，所述预设迭代收缩算法，包括：
[0011]计算基础迭代；
[0012]根据所述基础迭代计算第一稀疏矩阵表示或第一非负稀疏矩阵表示；
[0013]计算迭代间隔；
[0014]根据所述迭代间隔和所述第一稀疏矩阵表示计算泰勒站展开点，或根据所述迭代间隔和所述第一非负稀疏矩阵表示计算泰勒站展开点；
[0015]当迭代误差满足误差条件时，获取所述第一稀疏矩阵表示的解或者获取所述第一非负稀疏矩阵表示的解。
[0016]可选地，所述基于预设迭代收缩算法的稀疏判别分类，计算所述样本集内每个候选目标的第一置信度，包括：
[0017]获取投影对角矩阵；
[0018]通过所述对角矩阵将模板矩阵和候选目标矩阵投影到动态辨别空间，得到投影模板矩阵和投影候选目标矩阵，所述候选目标矩阵与所述样本集对应，所述模板矩阵与所述模板集对应；
[0019]根据所述投影模板矩阵、所述投影候选目标矩阵和所述预设迭代收缩算法计算所述候选目标的第二稀疏矩阵表示的第一重构误差；
[0020]根据所述第一重构误差计算每个候选目标的第一置信度。
[0021]可选地，所述基于预设迭代收缩算法的稀疏生成模型，计算所述样本集内每个候选目标的抗遮挡直方图的相似性，包括：
[0022]获取字典矩阵；
[0023]获取所述样本集内多个标准滑动框小图的样本矩阵；
[0024]根据所述字典矩阵和所述样本矩阵计算所述标准滑动框小图的第二非负稀疏矩阵表示；
[0025]获取所述标准滑动框小图的抗遮挡直方图；
[0026]计算模板与所述标准滑动框小图的抗遮挡直方图的相似性。
[0027]可选地，所述获取投影对角矩阵，包括：
[0028]获取稀疏系数向量；
[0029]根据所述稀疏系数向量的元素生成投影对角矩阵。
[0030]可选地，所述获取字典矩阵，包括：
[0031]计算初始标准滑动框小图的若干个聚类中心；
[0032]将所有聚类中心合成字典矩阵。
[0033]可选地，所述获取所述标准滑动框小图的抗遮挡直方图，包括：
[0034]根据所述字典矩阵、所述样本矩阵和稀疏系数矩阵计算重构误差矩阵；
[0035]根据所述重构误差矩阵内的元素计算遮挡矩阵；
[0036]根据所述遮挡矩阵和所述稀疏系数矩阵计算所述标准滑动框小图的抗遮挡直方图。
[0037]本申请实施例公开一种目标追踪系统，包括：
[0038]第一模块，用于根据上一帧目标追踪结果或初始选择目标对下一帧目标区域进行采样，得到若干个候选区域样本作为样本集；
[0039]第二模块，用于基于预设迭代收缩算法的稀疏判别分类，计算所述样本集内每个候选目标的第一置信度，所述预设迭代收缩算法包括三级基础代数子程序；
[0040]第三模块，用于基于预设迭代收缩算法的稀疏生成模型，计算所述样本集内每个候选目标的抗遮挡直方图的相似性；
[0041]第四模块，用于根据所述第一置信度和所述相似性计算每个候选目标的协同置信度；
[0042]第五模块，用于选取满足预设要求的所述协同置信度对应的所述候选目标作为下一帧的追踪目标。
[0043]本申请实施例公开一种终端设备，包括：
[0044]存储器，所述存储器中存储有计算机程序；
[0045]处理器，所述计算机程序被所述处理器执行时，使得所述处理器实现上述的目标追踪方法。
[0046]本申请实施例公开一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的目标追踪方法。
[0047]与现有技术相比，本申请实施例具有以下有益效果：
[0048]通过根据上一帧目标追踪结果或初始选择目标对下一帧目标区域进行采样得到样本集后，根据三级基础代数子程序的稀疏判别分类计算样本集内每个候选目标的第一置信度，并且，根据三级基础代数子程序的稀疏生成模型计算样本集内每个候选目标的抗遮挡直方图的相似性，然后根据第一置信度和相似性计算每个候选目标的协同置信度选取满足预设要求的协同置信度对应的候选目标作为下一帧的追踪目标；本实施例通过三级基础代数子程序来处理目标追踪的过程，从而可以不损失目标追踪方法的准确性和鲁棒性，有效提高基于稀疏表示的鲁棒目标追踪的计算效率，从而提高目标追踪的帧率。
附图说明
[0049]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0050]图1是本申请一实施例提供的目标追踪方法的实现流程图；
[0051]图2是本申请实施例基于BLAS
‑
3快速迭代阈值收缩算法的流程图；
[0052]图3是本申请实施例中计算第一置信度的流程图；
[0053]图4是本申请实施例中步骤130的流程图；
[0054]图5是本申请实施例的目标追踪方法的完整流程图；
[0055]图6是本申请实施例的BLAS
‑
3的快速阈值收缩算法与稀疏表示算法进行运行时间比较的曲线图；
[0056]图7本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标追踪方法，其特征在于，包括：根据上一帧目标追踪结果或初始选择目标对下一帧目标区域进行采样，得到若干个候选区域样本作为样本集；基于预设迭代收缩算法的稀疏判别分类，计算所述样本集内每个候选目标的第一置信度，所述预设迭代收缩算法包括三级基础代数子程序；基于预设迭代收缩算法的稀疏生成模型，计算所述样本集内每个候选目标的抗遮挡直方图的相似性；根据所述第一置信度和所述相似性计算每个候选目标的协同置信度；选取满足预设要求的所述协同置信度对应的所述候选目标作为下一帧的追踪目标。2.根据权利要求1所述的目标追踪方法，其特征在于，所述预设迭代收缩算法，包括：计算基础迭代；根据所述基础迭代计算第一稀疏矩阵表示或第一非负稀疏矩阵表示；计算迭代间隔；根据所述迭代间隔和所述第一稀疏矩阵表示计算泰勒站展开点，或根据所述迭代间隔和所述第一非负稀疏矩阵表示计算泰勒站展开点；当迭代误差满足误差条件时，获取所述第一稀疏矩阵表示的解或者获取所述第一非负稀疏矩阵表示的解。3.根据权利要求1所述的目标追踪方法，其特征在于，所述基于预设迭代收缩算法的稀疏判别分类，计算所述样本集内每个候选目标的第一置信度，包括：获取投影对角矩阵；通过所述对角矩阵将模板矩阵和候选目标矩阵投影到动态辨别空间，得到投影模板矩阵和投影候选目标矩阵，所述候选目标矩阵与所述样本集对应，所述模板矩阵与所述模板集对应；根据所述投影模板矩阵、所述投影候选目标矩阵和所述预设迭代收缩算法计算所述候选目标的第二稀疏矩阵表示的第一重构误差；根据所述第一重构误差计算每个候选目标的第一置信度。4.根据权利要求1所述的目标追踪方法，其特征在于，所述基于预设迭代收缩算法的稀疏生成模型，计算所述样本集内每个候选目标的抗遮挡直方图的相似性，包括：获取字典矩阵；获取所述样本集内多个标准滑动框小图的样本矩阵；根据所述字典矩阵和所述样本矩阵计...

【专利技术属性】
技术研发人员：何昭水，梁浩，郭靖，林志洁，刘太亨，蔡兵兵，余欢，谭北海，谢胜利，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：