一种基于局部稀疏表示的联合目标追踪方法及其系统的制作方法
【专利摘要】本发明涉及一种基于局部稀疏表示的联合目标追踪方法及其系统，与现有技术相比解决了视频追踪技术在遇到目标图像遮挡、外观特征变化而无法追踪成功的缺陷。本发明包括以下步骤：初始化目标外观特征模板；追踪目标图像；更新联合目标追踪模板；检查视频是否读取完毕。本发明提高了复杂场景中的目标追踪的精度与效率，提升了目标追踪技术在各类场景中的应用程度。通过在对比过程中分类器模型，对追踪技术采用自学习技术，从而达到目标图像在遇到遮挡时也可以做到准确追踪。
【专利说明】一种基于局部稀疏表示的联合目标追踪方法及其系统
【技术领域】
[0001]本发明涉及智能视频【技术领域】，具体来说是一种基于局部稀疏表示的联合目标追踪方法及其系统。
【背景技术】
[0002]视频中的目标追踪是计算机视觉领域中一个重要的研究的方向，并且在许多实际的应用中，如视频监控、视频场景的理解、交互视频处理等，都起着至关重要的作用。现阶段研究人员已经提出了不同的追踪算法，并在不同的应用场景下，取得了一定的成功。但是由于所追踪目标在经历过较长视频序列时，遮挡、目标外观的形状、环境的光照等都会发生变化，而导致目标跟踪无法顺利完成。同时目标图像在经过长视频序列后，外观特征发生大的变化后追踪失败，主要原因在于没有一个通用的目标图像外观表示模型。如何设计出一种当目标图像出现遮挡、外观特征变化等情况后仍然可以跟踪成功的方法及其系统已经成为急需解决的技术问题。
【发明内容】
[0003]本发明的目的是为了解决现有技术中视频追踪技术在遇到目标图像遮挡、外观特征变化而无法追踪成功的缺陷，提供一种基于局部稀疏表示的联合目标追踪方法及其系统来解决上述问题。
[0004]为了实现上述目的，本发明的技术方案如下:
[0005]一种基于局部稀疏表示的联合目标追踪方法，包括以下步骤:
[0006]初始化目标外观特征模板，通过视频第一帧图像对视频目标位置初始化，构造由稀疏编码直方图得到的特征模板，构造由局部稀疏系数得到的分类器模型，由特征模板和分类器模型组成联合目标追踪模板；
[0007]追踪目标图像，通过读取视频下一帧图像，构造候选图像稀疏编码直方图，构造候选图像分类器值，由候选图像稀疏编码直方图和候选图像分类器值组成的候选联合目标追踪模型，并与联合目标追踪模板之间进行相似度比较，最大相似度的为视频目标在下一帧的位置；
[0008]更新联合目标追踪模板，将上一步中相似度最大的候选联合目标追踪模型更新为联合目标追踪模板，以供下一帧图像的候选联合目标追踪模型进行相似度比较；
[0009]检查视频是否读取完毕，若读取完毕，则完成联合目标追踪，若未读取完毕，则继续进行追踪目标图像的操作。
[0010]所述的初始化目标特征模板包括以下步骤:
[0011]初始化视频第一帧目标图像位置，寻找到视频第一帧图像中目标图像的位置；
[0012]依据视频第一帧目标图像进行多尺度块处理，构建目标图像数据字典；
[0013]通过所构建的目标图像数据字典计算目标图像在多尺度下的稀疏系数，并通过稀疏系数计算出稀疏编码直方图，将稀疏编码直方图作为特征模板；[0014]在第一帧目标图像位置周围，选定一定数量的正负目标图像样本，通过计算得到相应的稀疏系数，并经过支持向量机训练出分类器模型，并将特征模板和分类器模型作为联合目标追踪模板。
[0015]所述的追踪目标图像包括以下步骤:
[0016]读取视频下一帧图像，通过粒子滤波方式在下一帧视频图像中选择一定数量的候选目标位置；
[0017]依次对候选目标图像进行多尺度块处理，构建图像数据字典，通过所构建的图像数据字典计算图像在多尺度下的稀疏系数，并通过稀疏系数计算出稀疏编码直方图；
[0018]在下一帧图像位置周围，选定一定数量的正负目标图像样本，通过计算得到相应的稀疏系数，并通过支持向量机训练出分类器值；
[0019]计算候选目标图像的稀疏编码直方图与第一帧特征模板之间的相似度，计算目标图像稀疏系数的分类器值与第一帧图像分类器模型的相似度，最大相似度的候选目标图像为视频目标在下一帧的位置。
[0020]所述的更新联合目标追踪模板包括以下步骤:
[0021]更新特征模板的公式如下:
[0022]Hnew= ω Hfirst+(1-ω) Htemp
[0023]这里ω为更新权值，设定为0.8。Hnew表示新的特征模板；
[0024]更新分类器模型的方法为通过在目标图像周围采集正样本数
【权利要求】
1.一种基于局部稀疏表示的联合目标追踪方法，其特征在于，包括以下步骤: 11)初始化目标外观特征模板，通过视频第一帧图像对视频目标位置初始化，构造由稀疏编码直方图得到的特征模板，构造由局部稀疏系数得到的分类器模型，由特征模板和分类器模型组成联合目标追踪模板； 12)追踪目标图像，通过读取视频下一帧图像，构造候选图像稀疏编码直方图，构造候选图像分类器值，由候选图像稀疏编码直方图和候选图像分类器值组成的候选联合目标追踪模型，并与联合目标追踪模板之间进行相似度比较，最大相似度的为视频目标在下一帧的位置； 13)更新联合目标追踪模板，将上一步中相似度最大的候选联合目标追踪模型更新为联合目标追踪模板，以供下一帧图像的候选联合目标追踪模型进行相似度比较； 14)检查视频是否读取完毕，若读取完毕，则完成联合目标追踪，若未读取完毕，则继续进行追踪目标图像的操作。
2.一种基于局部稀疏表示的联合目标追踪方法，其特征在于，所述的初始化目标特征模板包括以下步骤: 21)初始化视频第一帧目标图像位置，寻找到视频第一帧图像中目标图像的位置； 22)依据视频第一帧目标图像进行多尺度块处理，构建目标图像数据字典； 23)通过所构建的目标图像数据字典计算目标图像在多尺度下的稀疏系数，并通过稀疏系数计算出稀疏编码直方 图，将稀疏编码直方图作为特征模板； 24)在第一帧目标图像位置周围，选定一定数量的正负目标图像样本，通过计算得到相应的稀疏系数，并经过支持向量机训练出分类器模型，并将特征模板和分类器模型作为联合目标追踪模板。
3.一种基于局部稀疏表示的联合目标追踪方法，其特征在于，所述的追踪目标图像包括以下步骤: 31)读取视频下一帧图像，通过粒子滤波方式在下一帧视频图像中选择一定数量的候选目标位置； 32)依次对候选目标图像进行多尺度块处理，构建图像数据字典，通过所构建的图像数据字典计算图像在多尺度下的稀疏系数，并通过稀疏系数计算出稀疏编码直方图； 33)在下一帧图像位置周围，选定一定数量的正负目标图像样本，通过计算得到相应的稀疏系数，并通过支持向量机训练出分类器值； 34)计算候选目标图像的稀疏编码直方图与第一帧特征模板之间的相似度，计算目标图像稀疏系数的分类器值与第一帧图像分类器模型的相似度，最大相似度的候选目标图像为视频目标在下一帧的位置。
4.根据权利要求1所述的一种基于局部稀疏表示的联合目标追踪方法，其特征在于，所述的更新联合目标追踪模板包括以下步骤: 41)更新特征模板的公式如下:
Hnew= wHfirst+(1-ω) Htemp 这里ω为更新权值，设定为0.8。Hmw表示新的特征模板； 42)更新分类器模型的方法为通过在目标图像周围采集正样本数I'={x|r>||/(x)-/；|以及负样本图像数据
5.根据权利要求2或3所述的一种基于局部稀疏表示的联合目标追踪方法，其特征在于，所述的构建图像数据字典包括以下步骤: .51)给定视频中所需构建帧的图像I以及对应的目标图像； .52)通过在目标图像区域内取K个图像局部块，获得集合D=WiI i=l:K}，这里Cli为第i个局部目标图像块，目标图像数据字典为D。
6.根据权利要求2或3所述的一种基于局部稀疏表示的联合目标追踪方法，其特征在于，所述的计算稀疏编码直方图包括以下步骤: .61)计算稀疏系数，设P={Pi|i=l:K}为目标图像在不同尺度下抽取的局部图像块；通过目标图像字典，每个局部图像块Pi都有一个相对应的稀疏系数，其计算方式如下:
7.根据权利要求2或3所述的一种基于局部稀疏表示的联合目标追踪方法，其特征在于，所述的训练分类器模型包括以下步骤: .70 Kx)表示目标图像块位置，把集合
8.根据权利要求3所述的一种基于局部稀疏表示的联合目标追踪方法，其特征在于，所述的稀疏编码直方图和分类器值相似度的计算包括以下步骤: 81)sim(T,H)为特征模板和下一帧稀疏编码直方图之间相似度，其定义如下: sim(T, H) = P (T, H) P为两个目标图像之间的Bhattacharyya距离，距离越小相似度越高，定义如下:
9.一种基于局部稀疏表示的联合目标追踪系统，其特征在于，包括: 初始化输入模块，用于设定视频中所要追踪目标初始化位置参数，启动视频追踪系统，实时追踪视频目标； 目标局部图像数据字典构建模块，用于对初始化目标图像进行局部数据字典计算及其构建； 目标外观稀疏系数计算模块，用于通过构建的局部图像数据字典，计算目标图像的稀疏系数； 基于局部稀疏表示的辨别式模型计算模块，用于将正负目标图像的稀疏系数作为样本数据，经过支持向量机训练学习获得相应的分类器模型； 目标图像稀疏编码直方图计算模块，用于通过目标图像的稀疏系数构建以及计算相应的稀疏编码直方图，并将该直方图作为产生式追踪模型的特征模板； 联合目标追踪模型计算模块，用于计算候选目标图像的分类器值与相似度值并进行相应的联合； 目标特征模板以及分类器更新模块，用于更新特征模板的稀疏编码直方图以及分类器学习模型，以适应目标在视频中外观的变化； 所述的初始化输入模块通过目标局部图像数据字典构建模块与目标外观稀疏系数计算模块相连，所述的目标外观稀疏系数计算模块分别与基于局部稀疏表示的辨别式模型计算模块和目标图像稀疏编码直方图计算模块相连后与联合目标追踪模型计算模块相连，所述的联合目标追踪模型计算模块与目标特征模板以及分类器更新模块相连，所述的目标特征模板以及分类器更新模块连回目标局部图像数据字典构建模块。
【文档编号】G06K9/62GK103544483SQ201310513534
【公开日】2014年1月29日 申请日期:2013年10月25日 优先权日:2013年10月25日
【发明者】檀结庆, 谢成军, 何蕾, 阿里, 霍星, 刘奎, 白天, 姚焱刚 申请人:合肥工业大学