[发明专利]一种基于近似主成分分析的红外目标跟踪方法

说明书

本发明公开了一种基于近似主成分分析的红外目标跟踪方法。该方法步骤如下：步骤1、获取图像序列，读取首帧图像，选定跟踪的目标；步骤2、对步骤1选定的跟踪目标进行初始化模板矩阵，初始化目标状态向量；步骤3、选取粒子数N，对所有粒子分别建立待选目标表观模型，计算出目标矩阵，然后根据重构误差矩阵确定本帧跟踪结果；步骤4、对于步骤3中跟踪结果的目标矩阵，通过重构误差矩阵确定权重，更新模板矩阵中的元素；步骤5、根据似然概率重新采样，对本帧图像进行状态转移概率高斯分布建模，得到下一帧图像N个对应的候选目标；步骤6、返回步骤3，直到图像序列结束。本发明方法具有跟踪精度高、鲁棒性好的优点。

技术领域

本发明涉及目标跟踪技术领域，特别是一种基于近似主成分分析的红外目标跟踪方法。

背景技术

在交通监控、目标检测、视频监控和活动控制等领域，目标跟踪一直是一个非常重要的组成部分。与近几十年来深入研究的可见光波段目标跟踪相比，红外目标跟踪是一种更适合在无光环境下工作的有效方法。此外，红外系统在各种环境下，无论是在黑暗或光线充足条件下，都具有更强的鲁棒性，因此红外目标跟踪在军事和民用领域的应用越来越广泛。虽然红外系统可以连续工作，但由于成像原理和技术瓶颈，红外成像设备获取的图像信息不如可见光设备获取的信息充分，例如红外图像缺乏颜色和纹理信息，同时，红外图像中存在噪声和遮挡杂波。因此，图像细节的丢失和低信噪比限制了红外目标跟踪技术的发展，此外，局部遮挡或完全遮挡也是跟踪过程中的技术问题。

现有目标跟踪方法分为生成法和判别法两类：生成法首先提取目标的特征并学习特征模型，通过匹配整个图像，找到最相似区域的目标；判别方法同时考虑背景和目标，通过比较两部分的差异提取目标模型，从而预测当前帧的位置。

凌建国等人研究了一种将粒子滤波框架应用于红外目标跟踪问题的压缩算法(1.凌建国,刘尔琦,梁海燕,等.基于正则化观测矢量的H无穷粒子滤波红外目标跟踪方法[J].红外与激光工程,2007,36(4):534-538.)。但由于目前观测信息的缺乏，在复杂场景下，跟踪性能较差。针对目标跟踪中存在的严重遮挡、旋转，光照变化等问题，李勇等人提出了一种深度学习跟踪器(deep learning tracker,DLT)，(2.李勇,杨德东,韩亚君,等.融合扰动感知模型的孪生神经网络目标跟踪[J].光学学报,2020,40(4):0415002.)，将离线预训练和在线微调的方法应用到神经网络训练中，很大程度上解决了样本不足的问题。但是由于深度学习机理的不明确，无法得到足够的信息，应用到实际问题中仍存在很多困难。

发明内容

本发明的目的在于提供一种精度高、鲁棒性好的基于近似主成分分析的红外目标跟踪方法。

实现本发明目的的技术解决方案为：一种基于近似主成分分析的红外目标跟踪方法，包括以下步骤：

步骤1、获取图像序列，读取首帧图像，选定跟踪的目标；

步骤2、对步骤1选定的跟踪目标进行初始化模板矩阵，初始化目标状态向量；

步骤3、选取粒子数N，对所有粒子分别建立待选目标表观模型，计算出目标矩阵，然后根据重构误差矩阵确定本帧跟踪结果；

步骤4、对于步骤3中跟踪结果的目标矩阵，通过重构误差矩阵确定权重，更新模板矩阵中的元素；

步骤5、根据似然概率重新采样，对本帧图像进行状态转移概率高斯分布建模，得到下一帧图像N个对应的候选目标；

步骤6、返回步骤3，直到图像序列结束。

进一步地，步骤3中目标矩阵的计算过程包括以下步骤：

步骤3.1、将观测矩阵分解为稀疏遮挡矩阵和低秩目标矩阵，目标外观模型表示为：

M＝L+S