[发明专利]一种基于压缩感知的视频目标跟踪方法

权利要求书

1.一种基于压缩感知的视频目标跟踪方法，其特征在于步骤如下：

初始化阶段：

步骤A1、对任意一段视频图像中的第t帧标记出目标位置I_t(w,h)，其中w(x₁,y₁)与h(x₂,y₂)表示目标的两个对角坐标；

步骤A2、生成稀疏投影矩阵R

R(rij)=s×1p=12s0p=1-1s-1p=12s,]]>其中的s取2或3；

设置参数：学习因子λ，正样本范围α，负样本范围ζ,β，目标检测位置γ；

步骤A3、在目标I_t(w,h)的周围，采样正样本和负样本D^ζ,β＝{z|ζ＜||I(z)-I_t||＜β}，其中α＜ζ＜β，α,ζ,β初始参数，z表示样本；

步骤A4、稀疏投影得到低维样本的特征F＝R·D；

步骤A5、创建分类器

H(v)=log(Πi=1np(vi|y=1)p(y=1)Πi=1np(vi|y=0)p(y=0))=Σi=1nlog(p(vi|y=1)p(vi|y=0))]]>

其中：正样本p(vi|y=1)~N(μi1,σi1),]]>负样本p(vi|y=0)~N(μi0,σi0),]]>v表示特征向量，y∈{0,1}，y＝1表示目标，y＝0表示背景；

跟踪阶段：

步骤B1、在t+1帧，采样D^γ＝{z|||I(z)-I_t||＜γ}，稀疏投影得到低维特征，I_t表示t帧的目标位置；

步骤B2、使用A5创建的分类器对步骤B1中的样本进行分类，

H(v)=log(Πi=1np(vi|y=1)p(y=1)Πi=1np(vi|y=0)p(y=0))=Σi=1nlog(p(vi|y=1)p(vi|y=0))]]>

得到最大的H对应的样本认为是目标的最大可能位置I_t+1(w,h)；

步骤B3、在目标I_t+1(w,h)的周围，采样正样本D^α＝{z|||I(z)-I_t+1||＜α}和负样本D^ζ,β＝{z|ζ＜||I(z)-I_t+1||＜β}，稀疏投影得到低维特征F＝R·D；

步骤B4、更新分类器参数：

μi1←λμi1+(1-λ)μ1]]>

σi1=λ(σi1)2+(1-λ)(σ1)2+λ(1-λ)(μi1-μ1)2]]>

其中λ>0表示学习因子；

σ1=1nΣk=0|y=1n-1(vi(k)-μ1)2]]>

μ1=1nΣk=0|y=1n-1vi(k)]]>

步骤B5、重复步骤B1至步骤B4，继续进行目标跟踪。