一种基于压缩感知的视频目标跟踪方法
【专利摘要】本发明涉及一种基于压缩感知的视频目标跟踪方法，首先采用压缩感知理论生成稀疏投影矩阵，对采样得到的正负样本进行稀疏投影降维，创建贝叶斯分类器；当下一帧图像到来时，在上一帧得到的目标位置周围进行采样，使用分类器分类得到最大可能的目标位置，更新目标位置，更新分类器参数。本发明方法能够有效克服因目标特征变化引起的跟踪不稳定问题，使用压缩感知理论将高维信息压缩至低维，有效降低计算复杂度，缩短跟踪时间。
【专利说明】一种基于压缩感知的视频目标跟踪方法
【技术领域】
[0001] 本发明属于模式识别及计算机视觉领域，尤其涉及一种基于压缩感知的视频目标 跟踪方法。
【背景技术】
[0002] 目标跟踪具有很多实际的应用，在人机交互、视频监控、行为分析等领域有广泛的 应用，是计算机视频监控领域研究的关键技术之一。目前国内外学者关注的跟踪问题主要 是集中在场景拥挤、相似特征场景干扰、遮挡、目标外观变化等情况下的跟踪鲁棒性、准确 性和快速性提高上。
[0003] 在传统的跟踪方法上，由于摄像机捕获大量结构完整且冗余度很高的数据，造成 数据传输时间长，信息处理计算量大，很难达到快速实时跟踪的目的。如果在数据传送至通 信信道前对获取的图像进行预处理，能够大幅度减少数据冗余，加快传输速度。同时，为了 提高跟踪的稳定性和准确率，需要目标特征的大量信息，导致处理速度减慢，计算量增大， 跟踪实时性减弱。
【发明内容】
[0004] 要解决的技术问题
[0005] 为了避免现有技术的不足之处，本发明提出一种基于压缩感知的视频目标跟踪方 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。
[0006] 技术方案
[0007] -种基于压缩感知的视频目标跟踪方法，其特征在于步骤如下：
[0008] 初始化阶段：
[0009] 步骤A1、对任意一段视频图像中的第t巾贞标记出目标位置It(w，h)，其中wUpyJ 与h(x2，y2)表示目标的两个对角坐标；
[0010] 步骤A2、生成稀疏投影矩阵R
[0011]
【权利要求】
1. 一种基于压缩感知的视频目标跟踪方法，其特征在于步骤如下： 初始化阶段： 步骤A1、对任意一段视频图像中的第t巾贞标记出目标位置It (w，h)，其中W(Xpy1)与 h(x2，y2)表示目标的两个对角坐标； 步骤A2、生成稀疏投影矩阵R
设置参数：学习因子λ，正样本范围α，负样本范围ζ，β，目标检测位置γ ; 步骤A3、在目标It (w，h)的周围，采样正样本
和负样本= {ζ|ζ < IIl(Z)-ItII < β}，其中 α < ζ < β，α, ζ，β 初始参数，ζ 表示样本； 步骤Α4、稀疏投影得到低维样本的特征F = R · D ; 步骤A5、创建分类器
其中：正样本 = ，负样本/)(ι·)|.>· = 0)~ ; V 表示特征向 量，y e {〇, 1}，y = 1表示目标，y = 〇表示背景； 跟踪阶段： 步骤B1、在t+Ι帧，采样Dy = {z| I |l(Z)-It| I < γ}，稀疏投影得到低维特征，1,表示 t帧的目标位置； 步骤B2、使用A5创建的分类器对步骤Bl中的样本进行分类，
得到最大的H对应的样本认为是目标的最大可能位置It+1 (w，h); 步骤B3、在目标It+1(w，h)的周围，采样正样本D° = {z| I |l(z)_It+1| I < α }和负样本 〇?'0 = {ζ|ζ<||? (z)_It+11 I < β }，稀疏投影得到低维特征 F = R · D ; 步骤B4、更新分类器参数：
步骤B5、重复步骤BI至步骤B4,继续进行目标跟踪。
【文档编号】G06K9/64GK104392467SQ201410660331
【公开日】2015年3月4日 申请日期:2014年11月18日 优先权日:2014年11月18日
【发明者】赵天云, 毕瑞星, 郭雷 申请人:西北工业大学