[发明专利]基于上下文约束编码的目标跟踪方法

摘要

本发明公开一种基于上下文约束编码的目标跟踪方法，主要解决目标发生快速运动、光照变化、外观剧烈变化导致跟踪失败的问题。实现步骤为：（1）输入一段视频第一帧，人工标记出待跟踪目标；（2）获取搜索窗与正负样本；（3）提取搜索窗特征描述子构建字典，提取正负样本特征描述子进行编码，训练分类器模型；（4）载入新一帧视频图像，获取检测样本，提取特征描述子并编码；（5）利用分类器对检测样本的编码进行分类预测，估计出待跟踪目标位置；（6）根据跟踪位置获取正负样本和搜索窗，更新字典，升级分类器，执行下一帧。本发明确保了图像空间位置的一致性，提高了目标跟踪的稳定性和准确性，可用于交通管制、安全监测、医学图像方面。

主权项

1.一种基于上下文约束编码的目标跟踪方法，包括以下步骤： （1）输入一段视频的第一帧，人工标记出待跟踪的目标，得到跟踪框的位置； （2）以跟踪框位置为中心获取49个正样本和49个负样本，将涵盖所有正负样本的范围定义为搜索窗； （3）构建第一帧字典B^t： 根据dense-sift方法，提取搜索窗的特征描述子；再根据k-means聚类方法对这些特征描述子进行聚类，得到第一帧字典B^t，上标t表示当前正在处理的图像帧数，这里，t=1； （4）根据dense-sift方法，提取所有正负样本的每个像素点的特征描述子并根据特征描述子和第一帧字典B^t计算第一帧所有正负样本像素点的编码其中，下标i表示样本的第i个像素点；（5）训练分类器参数w^t： 将正样本类标记为1,将负样本类标记为2，根据正负样本的类标及正负样本的编码利用交叉验证方法训练得到libsvm分类器参数w^t；（6）载入新一帧视频图像，以上一帧目标的跟踪框位置为中心获取98个样本，作为本帧的检测样本，并根据dense-sift方法提取这些检测样本特征描述子（7）计算本帧检测样本每个像素点的编码7a）根据本帧检测样本的特征描述子和上一帧字典B^t-1，计算本帧检测样本每个像素点的编码7b）将本帧检测样本像素点i对应到上一帧图像中，对应到的像素点记为i′， 取出i′的7*7邻域内像素点的编码，将这些像素点编码记作计算本帧检测样本像素点编码与对应到的上一帧样本像素点编码的相似距离，在这49个相似距离中，选取出最小距离对应的像素点编码其中，min(·)表示求最小值，||·||表示求一范数，arg表示选取求出的最小距离所对应的像素点编码；7c）根据所述像素点编码和上一帧字典B^t-1，利用下式求解本帧检测样本像素点的编码其中，||·||²表示求二范数，N表示样本中像素点的总个数，λ是系数因子，取值为0.1，符号“s.t.”表示约束条件，约束条件中的1表示元素值全为1的向量，(·)^T表示转置，符号表示i可以取1～N中的任意一个数；（8）根据上一帧训练的分类器参数，利用线性回归方法对本帧检测样本的像素点编码进行分类预测，根据预测的最大决策值估计出本帧待跟踪目标的位置； （9）以估计出的待跟踪目标位置为中心，按照步骤（2）的方法获取本帧正负样本的精确位置和搜索窗位置； （10）构建本帧字典B^t： 根据dense-sift方法，提取本帧搜索窗的特征描述子；再根据k-means聚类方法，计算这些特征描述子与上一帧字典的接近程度得到新的聚类中心B^t′，将新的聚类中心B^t′与上一帧字典B^t-1加权求和计算得到本帧字典B^t： B^t=αB^t-1+(1-α)B^t′， 其中，α为权值系数，取值为0.85； （11）根据dense-sift方法，提取本帧正负样本的特征描述子（12）计算本帧正负样本每个像素点的编码12a）按照步骤（4）的方法，根据本帧正负样本的特征描述子和本帧字典B^t，计算本帧正负样本每个像素点的编码12b）按照步骤7b）和步骤7c）的方法，根据步骤12a)计算的本帧正负样本每个像素点的编码和本帧B^t，求解出本帧正负样本每个像素点的编码（13）计算本帧分类器参数w^t： 按照步骤（5）的方法训练出本帧分类器参数w^t′，将上一帧分类器参数w^t-1和本帧训练出的分类器参数w^t′进行加权求和，计算得到本帧分类器参数w^t： w^t=βw^t-1+(1-β)w^t′， 其中，β是更新系数，取值为0.93； （14）返回步骤（6）执行下一帧。