[发明专利]一种基于视频帧间低秩关联信息一致性的实时物体追踪方法

摘要

一种基于视频帧间低秩关联信息一致性的实时物体追踪方法，步骤如下：目标物体特征描述阶段，首先用户给定初始视频中的位置信息，采用局部约束的压缩感知对目标物体、以及下一帧中的候选区域进行特征描述；帧间低秩关联性分析阶段，从目标物体特征库中抽取关键描述，组成局部特征库，然后将局部特征库与候选区域的特征描述一齐进行低秩分解，得到的稀疏矩阵；计算帧间低秩关联先验、遮挡掩模；依据稀疏矩阵以及低秩关联先验、遮挡掩模输出当前目标物体位置；更新目标库，对目标特征库进行全局低秩分析，共性最强的低秩描述将被当前的目标物体描述所替换。本发明能够对视频中的单个物体进行实时、稳定的进行长时间追踪，具有追踪速率高，追踪精度高等特点。

主权项

一种基于视频帧间低秩关联信息一致性的实时物体追踪方法，其特征在于包括以下六个步骤：步骤(1)、基于局部约束的压缩感知的目标物体特征描述：对当前帧的特征物体以及下一帧的潜在物体区域进行统一的、随机的特征区域采样，以原像素级灰度信息为基础，采用带有局部约束的随机观测矩阵(‑1，0，1)进行观测，反复150次观测结果作为当前区域的特征描述；步骤(2)、生成局部目标物体特征库：将当前帧中的目标物体特征描述与目标特征库中的全部描述一并进行目标特征偏重的低秩分析，依据低秩分解得到的稀疏矩阵的L1‑范数的前15小的特征描述作为局部目标特征库；步骤(3)、帧间低秩关联性分析：将下一视频帧中的潜在目标区域的特征描述(从步骤(1)获取)与局部目标特征库进行特征库偏重的低秩分析，依据低秩分解得到的稀疏矩阵L1‑范数作为物体检测基础指示；步骤(4)、获取低秩先验及遮挡掩模：将前一帧的步骤(3)中获取的稀疏矩阵L1‑范数作为当前帧的物体检测基础指示的权重，并且将当前的稀疏矩阵L1‑范数中处于较高水平的部分作为遮挡掩模；步骤(5)、输出当前帧目标物体追踪结果：结合步骤(3)以及步骤(4)中的输出结果作为目标物体检测的最终指示，其最大值对应的特征区域为目标物体所在当前帧中的位置；步骤(6)、更新目标物体特征库：采用步骤(1)中的特征描述方法描述步骤(5)中检测得到的特征物体，并对目标物体特征库进行全局低秩分析，最终用当前特征物体的特征描述替换稀疏矩阵中L1‑范数值较低的前K个特征描述对应的特征库记录。