[发明专利]一种鲁棒性的视频目标对象跟踪方法

摘要

本发明公开了一种鲁棒性的视频目标对象跟踪方法，包括：基于粒子滤波重要性采样原理采样获取当前帧的候选目标粒子；基于候选目标粒子与前面跟踪结果的余弦相似性滤去离异粒子；筛选后的侯选目标粒子基于模板字典的线性表示；线性系数矩阵的低秩稀疏数学模型；基于不精确拉格朗日乘子优化算法求解系数矩阵；根据判别函数选出最佳的候选目标作为跟踪结果；在线更新模板字典。本发明的方法的鲁棒性保证了方法能够应对各种挑战因素，对视频中目标对象进行准确跟踪。克服视频中目标对象因光照变化、尺度变化、遮挡、变形、运动模糊、快速运动、旋转、背景杂波、低分辨率等原因导致跟踪不准确甚至漂移。

主权项

1.一种鲁棒性的视频目标对象跟踪方法，用于对视频中标定的目标对象进行连续跟踪，其特征在于，包括以下步骤：步骤11)，基于粒子滤波重要性采样原理，采样获取当前帧第t帧的候选目标粒子；所述步骤11)包括预测和更新两个阶段，其中，预测阶段包括：以第t‑1帧的状态变量为均值和常数为方差进行高斯随机采样获得第t帧的状态变量；定位出状态变量在当前帧第t帧图像中所对应的区域；把所述区域映射到规范化大小的矩形模板；对所述矩形模板向量化得到候选目标粒子的灰度观测向量；更新阶段包括：计算的判别函数值作为筛选后的候选目标粒子所对应状态变量的权重，被滤去的候选目标所对应状态变量权重设为0，并将所有粒子权重进行归一化处理，根据归一化后权值进行重新采样得到新的状态变量；所述预测阶段具体为，以第t‑1帧重采样后的状态变量矩阵为均值，定义的常数δ∈R^1×6为方差进行高斯随机采样得到第t帧状态变量矩阵s_t，st＝st‑1+randn*diag(δ)；其中，是一个随机矩阵，diag(δ)是一个对角化的操作；n₀为粒子的数目，6为每个粒子状态变量的维数，包括2个位置参数和4个变形参数；δ＝(xt,yt,θt,st,at,φt)，xt为x方向的位移、yt为y方向的位移、θt为旋转角度、st为尺度变化、at为宽高比、φt为斜切度；找出st中每个粒子状态变量，即st的每一行在当前帧第t帧图像中所对应的区域并规范化为模板大小，相应的向量化灰度图像观测组成的矩阵为X0＝[x1,x2,…，xn0]，其中xi∈Rd为第i个候选目标粒子的灰度观测向量，d为粒子灰度向量化的维数；步骤12)，基于候选目标粒子与第t‑50、t‑40、t‑30、t‑20、t‑10、t‑5、t‑4、t‑3、t‑2、t‑1帧目标对象跟踪结果的余弦相似性，滤去离异粒子；步骤13)，对筛选后的侯选目标粒子进行基于模板字典的线性表示；步骤14)，建立求解线性系数矩阵的低秩稀疏数学模型；步骤15)，基于不精确拉格朗日乘子优化算法求解系数矩阵；步骤16)，根据判别函数值选出最佳的候选目标作为跟踪结果；步骤17)，在线更新模板字典。