[发明专利]基于低秩稀疏的视频目标跟踪方法

摘要

本发明提出一种基于低秩稀疏的视频目标跟踪方法，避免因为图像特征信息冗余导致的处理速度减慢等问题。该方法利用统计跟踪方法粒子滤波进行状态估计。通过建立字典对目标、粒子进行低秩稀疏表示，使得计算复杂度大大降低。利用重建错误预先删除部分粒子，再计算差别分数，最终选定下一帧目标。本发明所述方法对视频图像中的目标能够实时跟踪、准确性高、计算复杂度低，符合实际跟踪中应用的需要。

主权项

一种基于低秩稀疏的视频目标跟踪方法，其特征在于包括以下步骤：S1：初始化参数：S11：给定图像序列{I1,I2,…,IM}，M为序列总数；随机选择图像序列中的一张图像中的一个对象为目标，手动选定该目标的左上角p1(x1,y1)，左下角p2(x2,y2)以及右上角p3(x3,y3)，且用矩阵P表示，生成相应的矩形框确定该目标在图像中的位置，记该目标矩形框的矢量形式为O，其宽和高分别为wi和he；S12：压缩S11中选定的图像，设置压缩后的图像大小，宽为sz_w，高为sz_h，目标压缩后将其用向量表示，定义x为目标压缩后的图像构成的向量，其维度为sz_w*sz_h；S13：初始化字典Dt在目标矩形框O上，定义2*3维随机矩阵RAND，RAND中的元素为随机生成的且服从高斯分布；设置正样本数为Np，生成Np个RAND，令Ti＝P+RANDi*δp(i＝1,2...Np)，得到Np正样本框，其中Ti指第i个样本框的坐标表示，δp是指正样本框离目标距离，值越大表明离目标越远，RANDi表示生成的第i个样本框；同样的，设置负样本数为Nn，生成Nn个RAND，令(i＝1,2...Nn)，得到Nn负样本框；其中Ti+p指第i+p个样本框的坐标表示，δn是指负样本框离目标距离，值越大表明离目标越远；表示生成的第i+Np个样本框；定义Dt为t时刻的字典，将这Np+Nn个矩形框矢量化后得到第1时刻的字典D1；S14：z为x在字典上的表示系数；如果Dt为完备字典，则有x＝Dtz，x、Dt已知,z为求解项，λ0是z的一范数前的系数；求解目标矩形框O在字典Dt上的表示系数z0：z0=argminz||x0-Dtz||2+λ0||z||1]]>其中：x0是初始目标压缩后的图像构成的向量；S15：仿射参数设置为：σ0＝[σ01,σ02,σ03,σ04,σ05,σ06]；S16：用w表示Dt每个向量的权值，w为Np+Nn维向量，wi(i＝1,2...Np+Nn)为w的分量；设置wi(i＝1,2...Np+Nn)初始值为设置权值的最小阈值为τ，0<τ<1；S2：视频跟踪过程：S21：利用粒子滤波方法进行状态预测，在目标矩形框O的临近区域内随机选取n个与目标矩形O大小相同或相近的粒子，作为下一图像序列目标预测值候选者；(1)将粒子作为目标候选框，将S15设置的仿射参数σ0＝[σ01,σ02,σ03,σ04,σ05,σ06]作为高斯分布参数，生成n个粒子，每个粒子有6个参数；生成n*6维随机矩阵T，令S＝T*diag(σ0)，生成n*6的仿射参数矩阵，代表n个粒子；其中，(2)利用S在Ii中截取图片，其中S可以转化为坐标矩阵，通过坐标矩阵截取n张图片，每张图片转化为sz_w*sz_h维向量，这n张图片在坐标矩阵P附近，与P的距离呈高斯分布，P为Ii‑1时刻的目标图片坐标；这些图片作为粒子，构成X0，X0为(sz_w*sz_h)*n维矩阵，作为下一图像序列目标预测值候选者；S22：构建重建错误，剔除与目标差距较大的粒子：首先，定义e0i＝||X0i‑Dz0||2(i＝1,2...n)，e0值越大，说明与目标的差距越大，X0i是矩阵X0的第i列向量，选出X0中e0最小的25个候选粒子构成矩阵X，方法如下：co=argmine0i25,(i=1,2...n)]]>X＝X0j(j∈co)其中，S23：Zt为X在字典Dt上的表示系数矩阵，有X＝Dt×Zt；由于X是低秩，因此Zt也是低秩；由于25个候选粒子接近目标向量，因此Zt也是稀疏矩阵，因此求解Zt可以根据约束求解，约束设置如下：minZ,Eλ1||Zt||2,1+λ2||Zt-Z0||2,1+λ3||E||1,1]]>其中||E||1,1＝∑j(∑i|[E]ij|),||Zt||2,1=Σj(Σi|[Zt]ij|2)12,]]>||Zt-Z0||2,1=Σj(Σi|[Zt-Z0]ij|2)12;]]>其中，||Zt||2,1项代表低秩稀疏，Z0为z0复制NP+Nn个后所组成的矩阵，||E||1,1为重建错误差表示计算X＝Dt×Zt时，Dt×Zt的结果与X的误差，误差越小，表明用字典Dt恢复的图像越接近原始图像；λi(i＝1,2,3)作为不同项的系数；S24：定义zio为zi正样本系数，为Np维向量，zib为zi负样本系数，为Nn维向量；设置差别分数Δz，Δz表示正样本系数绝对值的总和减去负样本系数绝对值总和，Δz计算方法如下：Δzi＝||zio||1‑||zib||1(i＝1,2...n)其中i表示第i个粒子，将差别分数最小的向量作为目标向量，同时替换上一时刻目标表示系数z0，赋予z0新的值：z0=mini=1,2...25Δzi]]>其中，||zio||1＝(∑j(∑i|(zio)ij|))，||zib||1＝(∑j(∑i|(zib)ij|))；z0即为新选出的目标在字典Dt上的表示系数；S25：字典更新；目标跟踪过程中，每一帧都要将权值进行更新，将权值阈值小于τ的向量进行更换，方法如下：令wi←wi*exp(zoi)(i＝1,2...Np+Nn)，如果wi＜τ，则令i0＝argmin1≤i≤nwi，其中表示图像t序列中字典Dt的第i0个分量，wi表示w的第i个分量，wi←wi*exp(zoi)(i＝1,2...Np+Nn)表示将wi*exp(zoi)赋值给wi，同理，表示将z0赋值给S26：重复S21～S25。