[发明专利]一种鲁棒性的加权局部多任务稀疏跟踪方法

权利要求书

1.一种鲁棒性的加权局部多任务稀疏跟踪方法，用于对视频中标定的目标对象进行连续跟踪，其特征在于，包括如下步骤：

首先初始化目标模板，并对每个目标模板进行分块处理，获得模板字典；基于高斯随机采样原理，采样获取当前帧第t帧的候选目标粒子，对每个候选目标粒子也进行分块处理；分块处理后的候选目标粒子基于模板字典线性表示；基于局部多任务稀疏跟踪模型捕获离群粒子；基于近端梯度加速法求解局部多任务稀疏跟踪模型的全局最优解；根据观测似然度确定跟踪结果；在线更新模板字典。

2.根据权利要求1所述的一种鲁棒性的加权局部多任务稀疏跟踪方法，其特征在于：

在第一帧中，通过在候选目标粒子的初始位置以及它的周围采样m个大小相等的块来初始化目标模板T＝[T₁，T₂，…，T_m]，并把每个目标模板分成K个子块，利用m个目标模板的第k个局部块得到相对应的模板字典其中，k＝1，…，K，表示第i个目标模板中第k个局部块对应的颜色直方图特征。

3.根据权利要求1所述的一种鲁棒性的加权局部多任务稀疏跟踪方法，其特征在于：

利用高斯随机采样(以第t-1帧的状态变量为均值和常数为方差)，获得第t帧的n个候选目标粒子；然后采用与目标模板相同的分块方式对每个候选目标粒子进行分块处理，即其中，k＝1，…，K，是第i个候选目标粒子中第k个局部块对应的颜色直方图特征。

4.根据权利要求1所述的一种鲁棒性的加权局部多任务稀疏跟踪方法，其特征在于：

由于模板字典的局部块来自多个目标模板，捕获了不同模板之间的共性，因此Y^k中的每个观测量(即每列)能够被D^k线性表示，即，

Y^k＝D^kZ^k

其中，

定义为所有候选目标粒子第k个局部块的线性表示系数。

5.根据权利要求1所述的一种鲁棒性的加权局部多任务稀疏跟踪方法，其特征在于：

候选目标粒子是沿着先前目标状态以零均值进行高斯密集采样的，虽然大部分候选目标粒子是相似的，但仍存在小部分离群粒子；为了利用候选目标粒子以及它们的局部块之间的内在关系，提出局部多任务稀疏跟踪模型，其目标函数如下：

minZ,P,Q12Σk=1K12||Yk-DkZk||F2+λ1||P||1,2+λ2||Q||2,1]]>

其中，

Z^k＝P^k+Q^k，P＝[P¹，…，P^K]，Q＝[Q¹，…Q^K]，λ₁，λ₂分别是关于P和Q稀疏度的惩罚参数；混合范数[P]_i，j是矩阵P第i行第j个元素。