一种移动目标跟踪方法及装置的制造方法
【技术领域】
[0001] 本发明涉及通信领域，尤其涉及一种移动目标跟踪方法及装置。
【背景技术】
[0002] 移动目标跟踪是指给定初始视频帧上目标的运动状态，在后续视频帧序列中估计 目标的运动状态，移动目标跟踪已成为智能技术领域中的核心技术之一，在国民经济甚至 国防领域中都有着广泛应用。近年来，目标跟踪的研究已取得长足进步，使得跟踪算法的性 能不断提升，目标表达方法对跟踪算法非常重要，目标表达方法中最经典的表达方法是子 空间学习方法。
[0003] 现有技术中，子空间学习方法是基于在视频帧序列中的跟踪目标相似性，假设跟 踪目标存在于一个低维的子空间中，子空间学习方法首先在之前帧上定位的目标上使用主 成分分析方法学习得到子空间的基向量，构建出低维子空间。在后续帧中，进一步将候选目 标分别经由学习构建出的低维子空间重建，并在当前帧上对每个候选目标计算表达误差， 将表达误差最小的候选目标确定为当前帧上的目标，子空间学习方法可以有效处理小幅度 的目标姿态变化、场景的光照变化。
[0004] 在实现本发明过程中，发明人发现现有技术中至少存在如下问题：
[0005] 子空间学习方法虽然米用主成分分析方法构建低维子空间，由于主成分分析方法 青睐于具有大方差的特征维度，而目标跟踪中特征的大方差通常是由于遮挡物引起的。因 此，在子空间学习方法中，除了跟踪目标，子空间还学习到了遮挡物的信息。这使得子空间 在后续的目标跟踪中将会同样很好的重建遮挡物，进而使得跟踪结果表现不稳定甚至导致 跟踪失败。
【发明内容】
[0006] 本发明的实施例提供一种移动目标跟踪方法及装置，用以使现有目标跟踪算法在 复杂的场景下达到更为精确且鲁棒的跟踪结果。
[0007] 为达到上述目的，本发明的实施例采用如下技术方案：
[0008] 第一方面，本发明实施例提供了一种移动目标跟踪方法，包括：
[0009] 获取跟踪目标在当前帧上的利用重建表达式表达的至少两个候选目标；
[0010] 利用稀疏表达模型建立每个所述候选目标的观测表达；
[0011] 利用高斯回归过程计算每个所述候选目标的真实表达，其中，所述高斯回归过程 根据第一目标模板以及所述第一模板的时间序列作为训练集构建，所述第一目标模板包含 η个当前帧之前定位的目标，η大于等于5 ;
[0012] 将真实表达与观测表达之间差距最小的候选目标确定为当前帧的目标；
[0013] 根据所述当前帧的目标，更新所述第一目标模板，获取第二目标模板。
[0014] 结合第一方面，在第一方面的第一种可能的实现方式中，所述获取跟踪目标在当 前帧上的利用重建表达式表达的至少两个候选目标，包括：
[0015] 基于粒子滤波技术从所述当前帧上确定跟踪目标的目标位置；
[0016] 根据所述跟踪目标的目标位置，将所述目标位置所对应的图像区域从所述当前帧 上切割出来构成所述跟踪目标的图像块集合，所述图像块为统一大小的图像块；
[0017] 将所述跟踪目标的图像块分别拉成列向量；
[0018] 利用X = DZ对所述列向量进行重建，获得用重建表达式表达的候选目标，其中，X 为候选目标，D为候选目标的重建矩阵，Z为列向量。
[0019] 结合第一方面的第一种可能的实现方式，还提供了第一方面的第二种可能的实现 方式，所述基于粒子滤波技术从所述当前帧上确定跟踪目标的目标位置，包括：
[0020] 采用粒子滤波得到至少两个粒子在所述当前帧之前的每一帧对应的候选观测区 域，其中，所述候选观测区域用S 1= {Xl，yi，σ}表示，所述S1为第i帧粒子的运动状态变 量，XjPy 1分别为候选观测区域在第i帧上的二维坐标，σ为候选观测区域尺度缩放系数 的方差；
[0021] 根据当前帧粒子的运动状态转移模型P(StIstl)~N(s t|stl，Σ )以及跟踪目标 前一帧运动状态的后验概率分布p(st|y1:t D = J p(st|st XstJdst i估计当前帧上 每个粒子的运动状态st;
[0022] 用所述当前帧上每个粒子的运动状态81更新所述p(s t|y1:t D = J p(st| st D p(st」yi:t Jdst i，得到更新后的后验概率分布j
其中，\表 示当前帧上每个粒子的运动状态，st i表示跟踪目称的丽一帜的;?功状态，Σ 73协方差矩 阵，其对角元素分别表示粒子的二维平移和尺度缩放系数方差；
[0023] 根据使得所述p (st I c，y1:t J概率最大的粒子的运动状态确定为所述跟踪目标在 当前帧上的目标位置。
[0024] 结合第一方面的第一种可能的实现方式，还提供了第一方面的第三种可能的实现 方式，所述利用稀疏表达模型建立所述候选目标的观测表达，包括：
[0025] 对所述重建表达式X = DZ中的Z施加线性约束，得到基于稀疏表达模型的候选目 标的观测表达：
[0026] fD (X) = max (| z* |)
[0027] 其中，X为候选目标，D为候选目标的重建矩阵，Id表示逐个求取原始候选目标 列向量Z中个各元素的绝对值。
[0028] 结合第一方面的第一种可能的实现方式，还提供了第一方面的第四种可能的实现 方式，所述f满足如下条件：
[0029]
[0030]
[0031] 结合第一方面，在第一方面的第五种可能的实现方式中，所述利用高斯回归过程 计算每个所述候选目标的真实表达，包括：
[0032] 根据高斯回归过程gT⑴~GPU (Τ)，κ (T))计算所述候选目标的真实表达 gT(c);其中，高斯回归过程是以{T，fT(T)}为训练样本构建的，所述T为第一目标模板的时 间序列函数，所述fT(T)为基于时间序列函数联合表达η个当前帧之前定位的目标；
[0033] 所述μ⑴为均值函数，i
[0034] 所述κ (T)为协方差函数，且
[0035]
[0036] 其中，所述V表示该高斯回归过程的噪声功率，τ为指数函数的尺度参数。
[0037] 结合第一方面，在第一方面的第六种可能的实现方式中，所述根据所述当前帧的 目标，更新所述第一目标模板，获取第二目标模板包括：
[0038] 计算每一帧视频中所述候选目标与所述第一目标模板之间的相关性；
[0039] 当所述相关性小于预先定义的阈值时，将具有最小相关性的所述第一目标模板用 所述当前帧的目标替换；
[0040] 将所述当前帧的目标插入到所述第一目标模板的联合时间序列中，得到第二目标 模板。
[0041] 第二方面，本发明实施例还提供了一种移动目标跟踪装置，包括：
[0042] 获取单元，用于获取跟踪目标在当前帧上的利用重建表达式表达的至少两个候选 目标；
[0043] 建立单元，用于利用稀疏表达模型建立每个所述候选目标的观测表达；
[0044] 计算单元，用于利用高斯回归过程计算每个所述候选目标的真实表达，其中，所述 高斯回归过程根据第一目标模板以及所述第一模板的时间序列作为训练集构建，所述第一 目标模板包含η个当前帧之前定位的目标，η大于等于5,得到候选目标的真实表达
[0045] 定位单元，用于将真实表达与观测表达之间差距最小的候选目标确定为当前帧的 目标；
[0046] 更新单元，根据所述当前帧的目标，更新所述第一目标模板，获取第二目标模板。
[0047] 结合第二方面，在第二方面的第一种可能实现方式中，所述获取单元包括：
[0048] 获取模块，用于基于粒子滤波技术从所述当前帧上确定跟踪目标的目标位置；
[0049] 切割模块，用于根据所述跟踪目标的目标位置，将所述目标位置所对应的图像区 域从所述当前帧上切割出来构成所述跟踪目标的图像块集合，所述图像块为统一大小的图 像块；
[0050] 生成模块，用于将所述跟踪目标的图像块分别拉成列向量；
[0051] 重建模块，用于利用X = DZ对所述列向量进行重建，获得用重建表达式表达的候 选目标，其中，X为候选目标，D为候选目标的重建矩阵，ζ为列向量。
[0052] 结合第二方面的第一种可能实现方式，在第二方面的第二种可能实现方式中，所 述获取模块具体用于：
[0053] 采用粒子滤波得到至少两个粒子在所述当前帧之前的每一帧对应的候选观测区 域，其中，所述候选观测区域用S1= {Xl，yi，σ}表示，所述S1为第i帧粒子的运动状态变 量，XjPy1分别为候选观测区域在第i帧上的二维坐标，σ为候选观测区域尺度缩放系数 的方差；
[0054] 根据当前帧粒子的运动状态转移模型P(StIstl)~N(s t|stl，Σ )以及跟踪目标 前一帧运动状态的后验概率分布p(st|y1:t D = J p(st|st XstJdst i估计当前帧上 每个粒子的运动状态st;
[0055] 用所述当前帧上每个粒子的运动状态8