[发明专利]一种鲁棒性的视频目标对象跟踪方法

说明书

本发明公开了一种鲁棒性的视频目标对象跟踪方法，包括：基于粒子滤波重要性采样原理采样获取当前帧的候选目标粒子；基于候选目标粒子与前面跟踪结果的余弦相似性滤去离异粒子；筛选后的侯选目标粒子基于模板字典的线性表示；线性系数矩阵的低秩稀疏数学模型；基于不精确拉格朗日乘子优化算法求解系数矩阵；根据判别函数选出最佳的候选目标作为跟踪结果；在线更新模板字典。本发明的方法的鲁棒性保证了方法能够应对各种挑战因素，对视频中目标对象进行准确跟踪。克服视频中目标对象因光照变化、尺度变化、遮挡、变形、运动模糊、快速运动、旋转、背景杂波、低分辨率等原因导致跟踪不准确甚至漂移。

技术领域

本发明涉及计算机视觉领域，特别是涉及一种能够应对视频中目标对象光照变化、尺度变化、遮挡、变形、运动模糊、快速运动、旋转、背景杂波、低分辨率等各种挑战，能够对目标对象进行连续准确跟踪的鲁棒性的视频目标对象跟踪方法。

背景技术

视频对象跟踪是计算机视觉系统中一个重要的环节，它融合了图像处理、随机过程、人工智能等多领域的理论知识。对象跟踪就是利用指定目标的颜色、纹理、边缘、轮廓等特征对目标进行检测，采用跟踪算法对目标当前时刻的运动状态进行估计，并对下一时刻的状态进行预测，从而实现对指定目标的准确、稳定、快速的跟踪，获得目标的运动参数，例如位置、速度、运动轨迹和加速度等，帮助下一步的处理与分析，实现对运动目标识别及行为理解，以完成更高级的检测任务。视频目标跟踪的关键就是建立每一帧图像中候选目标与事先确定的跟踪目标的对应关系。

对象跟踪技术有着广阔的应用前景和巨大的市场需求，不仅表征了监控行业的未来发展的方向，并且非常符合信息产业链将来发展的趋势，其中蕴涵着巨大的经济效益，也受到了产业界和政府管理部门的高度重视。它在安全监控、交通检测、人机交互、医学应用、军事领域等方面已经得到了成功的应用。

鉴于视频对象跟踪技术的重要应用价值，学术界和公司企业对它进行了广泛的研究，有着20多年的研究发展历史，但是时至今日依然没有一种好的跟踪算法模型能够对对象进行实时准确跟踪。主要原因是跟踪对象存在着光照变化、尺度变化、遮挡、非刚性的对象变形、运动模糊、快速运动、旋转、目标离开视图、背景杂波、低分辨率等各种挑战，这些挑战严重影响了跟踪的准确度以及设计算法的复杂度。

针对现有技术存在的不足，提出本发明。

发明内容

本发明要解决的技术问题是提出一种克服视频中目标对象因光照变化、尺度变化、遮挡、变形、运动模糊、快速运动、旋转、背景杂波、低分辨率等原因导致跟踪不准确甚至漂移的具有良好的鲁棒性的视频目标对象跟踪方法

本发明提供的技术方案是：

一种鲁棒性的视频目标对象跟踪方法，用于对视频中标定的目标对象进行连续跟踪，包括以下步骤：

步骤11)，基于粒子滤波重要性采样原理，采样获取当前帧第t帧的候选目标粒子；

所述步骤11)包括预测和更新两个阶段，其中，预测阶段包括：以第t-1帧的状态变量为均值和常数为方差进行高斯随机采样获得第t帧的状态变量；定位出状态变量在当前帧第t帧图像中所对应的区域；把所述区域映射到规范化大小的矩形模板；对所述矩形模板向量化得到候选目标粒子的灰度观测向量；

更新阶段包括：计算的判别函数值作为筛选后的候选目标粒子所对应状态变量的权重，被滤去的候选目标所对应状态变量权重设为0，并将所有粒子权重进行归一化处理，根据归一化后权值进行重新采样得到新的状态变量。

所述预测阶段具体为，以第t-1帧重采样后的状态变量矩阵为均值，定义的常数δ∈R^1×6为方差进行高斯随机采样得到第t帧状态变量矩阵s_t，

s_t＝s_t-1+randn*diag(δ)；