[发明专利]基于稀疏表示选择性外观模型的帧自适应目标跟踪算法

权利要求书

1.一种基于稀疏表示选择性外观模型的帧自适应目标跟踪算法，其特征在于，所述：

步骤(1)、初始化跟踪器：判别型跟踪器SDC的模板库包含正样本库A₊和负样本库A_-；之后将每个模板压缩为32*32的大小，将压缩后的模板变形为一维向量，采 用滑块的方式得到M个小图像块，获取图像的局部信息，把每个小图像块转化为一维向量，G 表示一维数组的大小，使用K中值算法进行聚类，得到J个聚类中心，得到字典R表 示数值属于实数域；

步骤(2)、随机采样多个候选目标：新的一帧图像到来时，在上一帧目标位置周围，得到 N个候选目标X＝{x₁,x₂...x_N}，每个x被压缩为32*32的大小；

步骤(3)、运行判别型跟踪器SDC：

minα||x-Aα||22+λ3||α||,]]>

α表示模板库稀疏表示系数，x表示候选目标，A表示模板库，λ₃表示SDC正则项权重，求得 稀疏表示系数α＝[α_-,α₊]；

求得候选目标关于前景的重构误差ε_f：

ϵf=||x-A+α+||22]]>

x表示候选目标，A₊表示正样本模板库，α₊表示候选目标关于正样本模板库的稀疏表示 系数；

求得候选目标关于背景的重构误差ε_b：

ϵb=||x-A-α-||22]]>

x表示候选目标，A_-表示负样本模板库，α_-表示候选目标关于负样本模板库的稀疏表示 系数；

SDC计算出的第C个候选目标的置信值H_c：

Hc=11+exp(-(ϵb-ϵf)/σ)]]>

ε_b表示候选目标关于背景的重构误差,ε_f表示候选目标关于前景的重构误差,σ表示参 数尺度因子；

步骤(4)、帧特性检测：H_C1是第一帧的SDC置信值H_Cj表示第j帧的SDC置信值，f 是当前帧的序号，n表示帧窗口长度，是连续n帧的置信值之和，如果H_Cj表示第j帧的SDC置信值，f是当前帧的序号，n表示帧窗口长度，H_C1是第一帧的SDC置信值，T_h表示阈值比率，则令L_C＝0，跳到步骤(7)；如果表示此帧是否发生遮挡；

步骤(5)、运行生成型跟踪器SGM：取M个滑块，y_i,i＝1...M，y_i表示每个滑块，M表示滑块的 个数，用字典D进行稀疏表示，β是稀疏表示的系数；

minβi||yi-Dβi||22+λ2||βi||1,]]>

y_i表示每个滑块，D表示字典，β是字典稀疏表示系数，λ₂表示SGM正则项权重；每一个块 的字典稀疏表示系数拼在一起，就形成了每一个候选目标的直方图ρ；

ρ=[β1Tβ2T...βMT]T,]]>

ρ表示每一个候选目标的直方图，表示第1个块的字典稀疏表示系数的转置，表示 第M个块的字典稀疏表示系数的转置；

求得每个小图像块稀疏表示的重构误差ε_i：

ϵi=||yi-Dβi||22,]]>

y_i表示每个滑块，D表示字典，β_i是第i个块的字典稀疏表示系数，大于阈值ε₀时，认为是 遮挡块，遮挡标签O_i置为0，

去除遮挡效应，生成新的直方图o＝{o₁,o₂...o_M}，o表示所有块遮挡标签组 成的数组，o₁表示第1个块的遮挡标签，o_M表示第M个块的遮挡标签；

求得遮挡块个数占块总数的比occmap，用于评判遮挡程度：

occmap=Σi=0M-11-oiM]]>

o_i表示第i个块的遮挡标签，M表示滑块的个数；是第C个候选目标的直方图，ψ是模板 的直方图SGM计算出的第C个候选目标的置信值L_C：

M表示滑块的个数，J表示聚类中心的个数，表示第C个候选目标的直方图中的j个元 素的值，ψ^j是标准模板的直方图中的j个元素的值；

步骤(6)、更新遮挡检测阈值T_h

Th=Th*(1-λ)+(Th+Δ)*λ,occmap∈(0,Omin)Th*(1-λ)+(Th-Δ)*λ,occmap∈(Omax,1)]]>

λ表示阈值更新速度，Δ表示阈值更新步长，occmap表示遮挡块个数占块总数的比，通 过更新使得遮挡程度occmap保持在一个区间范围内(O_min,O_max)(O_min,O_max)表示occmap的最 小和最大值组成的区间；

步骤(7)、计算联合模型并确定跟踪结果：

P_C＝H_C+γL_C

对于第C个候选目标，P_C是最终的置信值，H_C和L_C分别是SDC和SGM的置信值，权重因子 γ；在每一帧计算N个P_C，N表示候选目标的个数；选取置信值最大的候选目标作为跟踪的结 果；为第t帧的目标位置。