[发明专利]基于目标时空一致性和局部稀疏表示的跟踪方法及装置

说明书

技术领域

本发明属于图像目标跟踪技术领域，涉及一种基于目标时空一致性和局部稀疏表示的跟踪方法及装置。

背景技术

目标表示问题是跟踪方法需要考虑的一个首要问题。目前，目标的表示大体可以划归为以下几个方法：①像素级表示。利用图像像素级特点来表示目标，如直接将目标像素值作为输入，或基于目标颜色、纹理的表示等。②人工特征级表示。利用一些人工设计的特征算子(如SIFT特征，HOG特征，Haar-like特征等)对目标提取特征来表示目标。③基于描述性模型的表示。如次空间表示，稀疏表示等。

然而，像素级的表示是冗余的，直接将用像素表示目标[Duffner，S.，Garcia，C.：Pixeltrack：a fast adaptive algorithm for tracking non-rigid objects.in：ICCV.2480-2487，2013.]，不但目标的辨识性难以保证，而且计算量会相应的比较大。而利用人工特征的描述模型则对于目标的自身特点有特定的要求，即不同的目标适合不同的特征描述子，对不同目标采用相同的特征表示会使辨识效果下降。因此，人工特征级表示模型比较依赖于人的主观选择，故推广性和鲁棒性欠佳。相较前两种表示方法，描述性模型可以较好地克服上面提出的问题。但是其中的次空间表达[D.Ross，J.Lim，R.S.Lin，and M.H.Yang，Incremental learning for robust visual tracking，in Proc.Int.J.Comput.Vis.(IJCV)，(2008)125-141.]虽然对光照和平面内的姿态变化有着比较好的处理，但是其没有考虑遮挡的情况。而研究发现，通过对目标稀疏表示，可以相对方便地解决上述问题。

L₁T[X.Mei and H.Ling，Robust visual tracking using l 1minimization，in：ICCV，1436-1443，2009.]是目前比较流行的基于稀疏表示的方法，该方法通过在编码字典中加入细节模板(trivial templates)来重构遮挡。但是该方法编码整个目标，它只利用了目标的全局信息，而没有利用到图像的局部细节信息。而且由于原始目标的维数较高，对其整体的编码，时间代价是很大的。

发明内容

针对上述问题，本发明提出了一种基于目标时空一致性和局部稀疏表示的跟踪方法。该算法根据对于目标在跟踪过程中的变化特点，定义了目标在连续两帧间的时空一致性假设：(1)时域一致性。目标在连续两帧内变化不大，所以在连续的两帧内，-则认为目标在外观上是一致的；(2)空域一致性。由于目标在连续两帧相似，则在这两帧之中，目标各个部分的位置是基本固定的。举例来说，将样本分为互不重叠的图像块，在样本中，一旦一个图像块被判断为是目标图像块，那么如果该图像块的邻近几个图像块也被判断为是目标块，那么该样本具有很高的置信度是目标。本发明根据如上定义的时空一致性的特点，提出了计算样本时空一致性评分的测度，解决了目标遮挡问题。

本发明利用对样本局部图像块的稀疏编码来解决光照和目标姿态变化等问题，利用将目标分块，并在此基础上定义目标图像块的时空一致性来解决局部遮挡问题，而且只对维度相对较小图像块进行稀疏编码也提高了编码的速度。

本发明提出的一种基于目标时空一致性和局部稀疏表示的跟踪方法，其包括下列步骤：

步骤一：根据上一帧跟踪结果的位置利用高斯扰动在上一帧图像采集得到用于当前帧的正样本集；

步骤二：将正样本集中每个正样本分割成图像块并标记，并利用分割得到的图像块学习字典；

步骤三：利用所述学习字典对正样本集中每个正样本分割得到的图像块进行稀疏编码，计算具有相同标记的图像块稀疏编码的平均向量；

步骤四：利用仿射变换状态变化的运动模型从上一帧的跟踪结果获取当前帧的候选样本集，并对所述候选样本集中的每个候选样本分割成图像块并标记；

步骤五：根据对应于正样本集中具有相同标记的图像块稀疏编码的平均向量以及每个候选样本的图像块稀疏编码计算每个候选样本的时空一致性评分；

步骤六：基于贝叶斯推理，根据候选样本集中每个候选样本的时空一致性评分确定当前帧的跟踪结果。

本发明还提出了一种基于目标时空一致性和局部稀疏表示的跟踪装置，包括：

正样本采集模块：根据上一帧跟踪结果的位置利用高斯扰动在上一帧图像采集得到用于当前帧的正样本集；