基于正则化模板与重建误差分解的快速目标跟踪方法
【专利摘要】本发明公开了一种基于正则化模板和重建误差分解的快速目标跟踪方法，其特征是如下步骤进行：将常用的目标模板集合进行正则化，消除模板之间冗余性，提升模板的抗干扰能力和对目标的重建能力；并将重建误差进行分解，分别使用L2范数和L0范数对两个不同性质的重建误差分量进行建模，构建目标与正则化模板集合的距离作为选择最佳目标的依据，提升了跟踪方法的鲁棒性和准确度；同时，采用增量PCA学习方法对正则化模板集合进行更新。本发明提高了线性目标表示模型对目标的重建能力，且将跟踪速度提升到接近实时水平，从而能够适用于工程应用。
【专利说明】 基于正则化模板与重建误差分解的快速目标跟踪方法
【技术领域】
[0001]本发明属于图像处理、模式识别【技术领域】，主要涉及一种基于正则化模板与重建误差分解的快速单目标视觉跟踪方法。
【背景技术】
[0002]视觉目标跟踪是一种智能视频分析方法，其目的就是要对用户感兴趣的目标进行持续不间断地跟踪，是计算机视觉领域热门研究课题之一。目标跟踪可以应用于智能视频监控、异常行为分析、运动事件检测等方面。公安技术人员利用目标跟踪方法可以对摄像头中出现的可疑人员进行跟踪和识别，协助侦破案件。
[0003]视觉目标跟踪的研究已超过二十年，然而目标在跟踪过程中经常面临的尺度变化、光照变化、遮挡以及形变等复杂问题一直困扰着目标跟踪研究者们，研究者们通常会设计复杂的数学方法去解决上述干扰问题，但是复杂的数学方法通常又增加了目标跟踪方法的计算复杂度，导致目标跟踪方法在跟踪目标时速度很慢，不利于目标跟踪方法的工程推广。例如，2011年，Mei Xue等研究者在顶级国际期刊IEEE Transaction on PatternAnalysis and Machine Intelligence 上发表的文章《Robust Visual Tracking andVehicle Classification via Sparse Representation》中提出一种目标跟踪方法，该方法采用目标模板集和琐碎模板对目标进行稀疏表示，利用L1正则化对目标表示模型进行求解，并假设重建误差服从高斯分布，使用重建误差均方最小准则作为选择跟踪目标的依据。但是这种方法的不足之处有:
[0004](I)、该方法所用目标模板集合中目标模板之间是互相相关的，包含大量冗余信息，无法很有效地对跟踪目标进行重建；
[0005](2)、在视频的每一帧，该方法都需要求解数百次的L1正则化，求解L1正则化耗费了大量的时间；
[0006](3)、在现实跟踪场景中，当目标受到遮挡等干扰时，重建误差并不服从高斯分布，所以该方法在跟踪时往往会出现跟踪“漂移”等问题。实际上，重建误差中包含两种分量:一种为类似弱光线变化等引起的高斯噪声，这种噪声是一直存在的，且幅值一般较小；另一种是由遮挡等较严重干扰造成的残差分量，这部分分量往往包含一些幅值较大的异常点。两种分量需要区别对待，分别建模。
[0007]Mei Xue所提出的这种目标跟踪方法是近几年来目标跟踪代表性方法之一，受到广泛关注。但是，从工程应用的角度来看，Mei Xue所提出的目标跟踪方法实用性较低。到目前为止，目标跟踪研究领域内依然没有出现一种跟踪准确度高、运算速度快、可以工程应用的目标跟踪方法。
【发明内容】
[0008]本发明旨在解决当前多数目标跟踪方法对目标重建能力低，而且时效性低下的问题，提出了 一种基于正则化模板和重建误差分解的快速目标跟踪方法，提高了线性目标表示模型对目标的重建能力，且将跟踪速度提升到接近实时水平，从而能够适用于工程应用。
[0009]本发明为解决技术问题采用如下技术方案:
[0010]本发明一种基于正则化模板和重建误差分解的快速目标跟踪方法的特点是如下步骤进行:
[0011]步骤1、初始化阶段:
[0012]步骤1.1、对输入的视频图像的第I帧图像进行人工标记，获得跟踪目标的状态向量X1和观测向量Y1 ;
[0013]所述状态向量X1= (x1； Y1, Θ 1； S1, Ct1, Φ) ,X1和Y1分别表示所述跟踪目标在第I帧图像中的水平方向的坐标和竖直方向的坐标；Θ 1、Sl、a JP Ct1分别表示所述跟踪目标在第I帧图像中的旋转角度、尺度、高宽比率和斜切方向；所述观测向量yi = (Y1, y2)…，yd)T为所述跟踪目标的图像特征向量；d表示所述观测向量的维数；
[0014]步骤1.2、利用经典粒子滤波跟踪方法对所述第2帧图像到第F帧图像进行目标跟踪,F≥3 ;获得前F帧图像的跟踪目标的状态向量集合X = [X1, X2,…，xF]和目标模板集合
Y= [yi, ι2,…，yF]；
[0015]步骤1.3、利用奇异值分解方法对所述目标模板集合Y进行正则化处理，获得初始正则化模板集合Uf = [u1； U2,…，uk, uF], Uf中任一个基向量uk = (u1； U1,…，ud)T, k =
1，2,..., F ;并获得均值向量为
【权利要求】
1.一种基于正则化模板和重建误差分解的快速目标跟踪方法，其特征是如下步骤进行: 步骤1、初始化阶段: 步骤1.1、对输入的视频图像的第I帧图像进行人工标记，获得跟踪目标的状态向量X1和观测向量Y1; 所述状态向量X1= (Χι, Υι, θ I, S1, Ct1, (J)1) ,X1和Y1分别表示所述跟踪目标在第I帧图像中的水平方向的坐标和竖直方向的坐标；Θ 1、Sl、a i和Ct1分别表示所述跟踪目标在第I帧图像中的旋转角度、尺度、高宽比率和斜切方向；所述观测向量Y1 =述跟踪目标的图像特征向量；d表示所述观测向量的维数； 步骤1.2、利用经典粒子滤波跟踪方法对所述第2帧图像到第F帧图像进行目标跟踪，F ^ 3 ;获得前F帧图像的跟踪目标的状态向量集合X = [X1, X2,…，xF]和目标模板集合Y=[yi, ι2,…，yF]； 步骤1.3、利用奇异值分解方法对所述目标模板集合Y进行正则化处理，获得初始正则化模板集合 Uf = [u1； U2,, uk, Uf] , Uf 中任一个基向量 uk = (u1； U1,…，ud)T, k = 1，2，…，F ;并获得均值向量为
【文档编号】G06T3/40GK103955951SQ201410196605
【公开日】2014年7月30日 申请日期:2014年5月9日 优先权日:2014年5月9日
【发明者】汪萌, 齐美彬, 李炳南, 洪日昌, 蒋建国, 杨勋 申请人:合肥工业大学