[发明专利]基于在线更新字典模型的目标跟踪方法

摘要

本发明涉及一种基于在线更新字典模型的目标跟踪方法，包括根据给定的初始目标位置，在视频的前N帧，利用最近邻算法KNN实现初始跟踪，获得每一帧对应的目标区域。将每个目标区域分为大小相同的一些图像子块，将得到的图像子块进行组合得到字典。根据字典P进行跟踪根据当前帧的目标位置，在下一帧以其为中心在周围进行随机采样，以字典元素为基，对每个候选目标区域进行基于稀疏表示的重建，抽取稀疏表示的系数矩阵C。选取最稀疏矩阵对应的区域为最佳目标区域，作为跟踪结果。在跟踪过程中，对字典进行更新。本发明具有较高的鲁棒性、准确性和实时性。

主权项

一种基于在线更新字典模型的目标跟踪方法，包括下列步骤：第一步：根据给定的初始目标位置，在视频的前N帧，利用最近邻算法KNN实现初始跟踪，获得每一帧对应的目标区域，其中N可以自由设定；第二步：将第一步得到的每个目标区域分为大小相同的一些图像子块，将得到的图像子块进行组合得到字典P；第三步：得到字典P之后，根据字典P进行跟踪：根据当前帧的目标位置，在下一帧以其为中心在周围进行随机采样，以字典元素为基，对每个候选目标区域进行基于稀疏表示的重建，抽取稀疏表示的系数矩阵C；第四步：选取最稀疏矩阵对应的区域为最佳目标区域，作为跟踪结果；第五步：在跟踪过程中，每隔L帧进行一次稀疏表示系数矩阵C的检测，得到系数质量q作为是否更新字典的标志；预设一个更新阈值，若q较小，小于此阈值，则系数矩阵比较稀疏，则表明现有字典信息完备，字典不需要更新；否则，q较大，大于此阈值，系数矩阵呈现值小而密集的特征，表明字典需要进行更新，其中，系数质量定义为：q=num(ci(j)≥thr)num(ci(j)≠0)wherei∈[1,n],j∈[1,N×n]]]>其中表示ci中第j个系数，表示矩阵C中所有非零系数的数量，表示取值大于阈值thr的系数的数量；第六步：在形成字典的N个目标区域中，选取前N/10个目标区域为静态部分，它们在跟踪过程中不会发生变化；剩余部分为字典的动态部分，它们会随着跟踪过程中目标的变化而变化，若根据第五步，字典需要更新，则添加新捕捉的目标区域所对应的图像子块到字典的最后，并删除动态部分的最前一个目标区域对应的图像子块。