[发明专利]基于视频传感器网络的自适应目标压缩感知融合跟踪方法

摘要

本发明涉及一种基于视频传感器网络的自适应目标压缩感知融合跟踪方法，本发明构建包括若干不同视角的视频节点的视频传感器网络测试系统；根据若干视频节点中每个视频节点在起始时刻的图像稀疏度，分别计算各视频节点的测量初始值来对其初始图像序列进行压缩感知CS采样；采用图像的方差的期望作为阈值，通过第t帧图像的测量值，迭代得到各视频节点第t+1帧图像的测量值来对其第t帧图像序列进行CS采样。通过图像稀疏度调节测量值，从而获得最优采样量可以以更高的压缩比对图像进行压缩，减少计算以及通信的数据量，结合跟踪置信度以及检测结果的多视角图像融合，可获得更好的跟踪精度，以及更长网络使用时间。

主权项

1.一种基于视频传感器网络的自适应目标压缩感知融合跟踪方法，其特征在于，包括以下步骤：S1：构建包括若干不同视角的视频节点的视频传感器网络测试系统，通过混合高斯模型GMM构建第t帧背景，测试得到的第t帧视频序列x_t为第t帧前景图像和第t帧背景之和，其中t=0，1，2…；S2：根据若干视频节点中每个视频节点在起始时刻的图像稀疏度K₀，分别计算各视频节点的测量初始值M₀来对其初始图像序列进行压缩感知CS采样，得到每个视频节点采样后初始图像y_o后进行S4，其中M₀≈K₀log(n/K₀)，n为信号维度；S3：采用图像的方差的期望E(σ_t)作为阈值，通过第t帧图像的测量值M_t，迭代得到各视频节点第t+1帧图像的测量值M_t+1，是目标图像x_d的方差；当则M_t+1=β₀M_t；当则M_t+1=β₁M_t；其中，为恢复的目标图像，x_d为目标图像，表示采用范数2恢复误差值；β₀≤1,β₁≥1,β₀,β₁分别为缩小和放大因子，α为调节参数；并通过第t+1帧图像的测量值M_t+1对第t+1帧图像进行压缩感知CS采样，得到每个视频节点采样后第t帧图像y_t后进行S4;S4:通过采样后第t帧图像y_t恢复得到第t帧视频序列以及恢复得到第t帧目标图像。