[发明专利]目标跟踪方法、装置和设备及计算机存储介质

权利要求书

1.一种目标跟踪方法，其特征在于，包括：

根据上一帧的跟踪结果，从当前帧中获取N个候选目标区域，并从所述N个候选目标区域中提取出M类视觉特征的特征向量，构成所述M类视觉特征的特征向量矩阵集合，其中，一个特征向量矩阵为由所述N个候选目标区域中提取的同一视觉特征的特征向量构成的；

基于所述N个候选目标区域之间的相关性，以及所述M类视觉特征之间的相关性，确定所述M类视觉特征中的异常特征；所述基于所述 N个候选目标区域之间的相关性，以及所述M类视觉特征之间的相关性，确定所述M类视觉特征中的异常特征，包括：确定在满足行稀疏约束和列稀疏约束条件下，使得当前帧的特征向量矩阵集合与超完备字典之间的重构误差值之和最小的第二联合稀疏表示系数矩阵集合，其中，所述第二联合稀疏表示系数矩阵集合由第一矩阵集合和第二矩阵集合构成，所述第一矩阵集合用于约束各个视觉特征的特征向量矩阵具有稀疏性，所述第二矩阵集合用于异常特征的检测；确定每一个视觉特征的第二矩阵集合的L₁₁范数或者F范数是否大于第一预设阈值；若确定结果为是，则确定第二矩阵集合的L₁₁范数或者F范数大于第一预设阈值的视觉特征为异常特征；

滤除当前帧的特征向量矩阵中和超完备字典包括的目标模板空间中的异常特征的特征向量矩阵，其中，所述超完备字典由所述目标模板空间与单位矩阵组成，所述目标模板空间为用于表征跟踪目标的特征向量矩阵集合；

确定在满足行稀疏约束和低秩约束条件下，使得当前帧的特征向量矩阵与超完备字典之间的重构误差之和最小的第一联合稀疏表示系数矩阵；

将所述第一联合稀疏表示系数矩阵中，与所述超完备字典之间的重构误差值最小的列所对应的候选目标区域，确定为当前帧的跟踪结果。

2.如权利要求1所述的方法，其特征在于，所述根据提取出的M类视觉特征的特征向量生成当前帧的特征向量矩阵集合，包括：

将从所述N个候选目标区域提取出的每一个视觉特征的特征向量按列存放，生成该视觉特征的特征向量矩阵，以得到M类视觉特征的特征向量矩阵组成的特征向量矩阵集合。

3.如权利要求1所述的方法，其特征在于，所述根据上一帧的跟踪结果，从当前帧中获取N个候选目标区域，包括：

根据上一帧的跟踪结果，通过高斯分布生成所述N个候选目标区域。

4.如权利要求1-3任一所述的方法，其特征在于，在所述根据上一帧的跟踪结果，从当前帧中获取N个候选目标区域之前，所述方法还包括：

将跟踪序列的首帧图像中指定的跟踪目标，在所述首帧图像中向各个方向分别扰动多个像素，得到多个目标模板；

分别从所述多个目标模板中提取出所述M类视觉特征的特征向量，并将每一个视觉特征的特征向量按列存放，生成所述目标模板空间；

基于所述目标模板空间以及所述单位矩阵构建所述超完备字典。

5.如权利要求1-3任一所述的方法，其特征在于，在将所述第一联合稀疏表示系数矩阵中与所述超完备字典之间的重构误差值最小的列所对应的候选目标区域确定为当前帧的跟踪结果之后，所述方法还包括：

确定所述跟踪结果与所述超完备字典中的目标模板之间的相似度是否小于第二预设阈值；

若确定结果为是，则根据所述跟踪结果更新所述超完备字典中权重值最小的目标模板。