基于L1正则化的实时运动目标跟踪的新方法技术

本发明专利技术公开了一种基于L1正则化的实时运动目标跟踪的新方法，包括以下步骤：输入第一帧图像并确定跟踪的目标；初始化跟踪姿态；初始化模板集；进行粒子滤波的粒子初始化；获取下一帧图像，转下一步进行跟踪，直到最后一帧；对图像进行预处理；计算粒子与模板的相似度；将最大观测概率的粒子并进行重采样；遮挡检测；模板更新。通过将琐碎模板的系数的二范数项添加到L1最小化模型中，建立新的最小化模型，在模板更新前使用遮挡检测方法检测目标是否存在遮挡，从而改进目标跟踪的精度；利用导数有界和可解析表示求解新的最小化模型，从而使得新的算法能适用于实时运动目标跟踪。本发明专利技术可在保证目标跟踪准确度的同时，使算法满足实际应用的性能要求。

【技术实现步骤摘要】

本专利技术属于智能视频监控
，具体涉及一种基于LI正则化的实时运动目标跟踪的新方法。
技术介绍
目前，视频监控技术的应用非常广泛，视频运动目标跟踪技术也随之成为研究的热门课题之一，它融合了计算机图像处理、模式识别、人工智能及自动控制等诸多相关领域的知识与技术。视频目标跟踪的研究目的是模拟人类视觉运动感知功能，赋予机器辨识序列图像中运动目标的能力，为视频分析和理解提供重要的数据依据。近年来，由于稀疏表示对图像腐蚀，尤其是遮挡具有很高的鲁棒性，因此为未知线性系统求得稀疏解的稀疏表示和压缩传感技术已经引起机器视觉领域的广泛关注。2009 年 J. Wright 等发表在《IEEE Transaction On Pattern Analysis And MachineIntelligence》上的论文 “Robust face recognition via sparse representation，，,最先将稀疏表示用于人脸识别。2011年，X. Mei和H. Ling发表在《IEEE Transaction OnPattern Analysis And Machine Inte本文档来自技高网...

【技术保护点】
一种基于L1正则化的实时运动目标跟踪的新方法，其特征在于包括以下步骤：步骤1，输入第一帧图像，把它转化为灰度图像，从第一帧图像确定跟踪的目标；步骤2，初始化跟踪目标的跟踪姿态和粒子，方法如下：在跟踪的目标上取三个点，形成四边形的跟踪框，然后将这三个点进行仿射变换，形成目标初始姿态的仿射六参数的矩阵，并将初始姿态规定为参考模板；根据参考模板仿射参数构造一个扰动，并作为零均值正态分布的方差；参考模板仿射参数加上这个正态分布的噪声形成NS个仿射参数矩阵作为粒子；步骤3，初始化模板集，方法如下：参考模板加上随机扰动形成N个候选模板，然后将这些模板与M个琐碎模板组成模板矩阵（例如候选模板矩阵为A，琐碎模...

【技术特征摘要】
1.一种基于LI正则化的实时运动目标跟踪的新方法，其特征在于包括以下步骤: 步骤1，输入第一帧图像，把它转化为灰度图像，从第一帧图像确定跟踪的目标； 步骤2，初始化跟踪目标的跟踪姿态和粒子，方法如下: 在跟踪的目标上取三个点，形成四边形的跟踪框，然后将这三个点进行仿射变换，形成目标初始姿态的仿射六参数的矩阵，并将初始姿态规定为参考模板；根据参考模板仿射参数构造一个扰动，并作为零均值正态分布的方差；参考模板仿射参数加上这个正态分布的噪声形成NS个仿射参数矩阵作为粒子； 步骤3，初始化模板集，方法如下: 参考模板加上随机扰动形...

【专利技术属性】
技术研发人员：杨金福，傅金融，杨宛露，李明爱，赵伟伟，解涛，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：