一种基于矩阵低秩表示理论的运动目标跟踪方法与流程

技术特征：

1.一种基于矩阵低秩表示理论的运动目标跟踪方法，其特征在于，使用如公式(1)所示的方法计算运动目标跟踪过程中所需的运动目标观测概率，从而实现运动目标跟踪，

$p\left(I_t\right|X_t)=\exp \{-[\underset{T,S_{\mathrm{it}}\∈\left\{\mathrm{0,1}\right|}{\min }\frac{1}{2}{\left|\right|P_{s^{\⊥}}(I_{1:n}-T)\left|\right|}_F^2+\mathrm{\α}{\left|\right|T\left|\right|}_{*}+\mathrm{\β}{\left|\right|S\left|\right|}_1+\mathrm{\γ}{\left|\right|\mathrm{Avec}\left(S\right)\left|\right|}_1\left]\right\}---\left(1\right)$

式(1)中，p(I_t|X_t)是在粒子滤波理论框架下计算获得的运动目标观测概率，I_t为t时刻的目标观测矩阵，X_t＝(x_t,y_t,s_t,r_t,θ_t,λ_t)是用于表示t时刻的目标状态的二维仿射参数，其中x_t为x方向偏移量，y_t为y方向偏移量，s_t为目标缩放尺度，r_t为目标纵横比，θ_t为目标旋转角度，λ_t为目标倾斜角度；

式(1)中，T＝{T₁,T₂,...,T_n}_m×n(m＞＞n)，是从观测矩阵I_1:n分解出的一个低秩矩阵，即运动目标矩阵，将其作为运动目标模型；

式(1)中，S∈{0,1}_m×n是从运动目标观测矩阵I_1:n分解出的一个稀疏矩阵，即目标遮挡矩阵，将其作为目标遮挡模型，其定义如公式(2)所示：

式(2)中，it表示第t帧图像中的第i个像素点；

式(1)中，函数表示运动目标观测矩阵I_1:n在线性空间正交投影的正交补空间；||·||_F表示Frobenius范数，||·||_*表示核范数；α、β和γ均为常数。

2.如权利要求1所述基于矩阵低秩表示理论的运动目标跟踪方法，其特征在于，所述运动目标模型T通过以下方法计算获得：

使用公式(3)通过SOFT-IMPUTE迭代算法求解出运动目标模型T，

${\mathrm{\ϵ}}_t=\underset{T}{\min }\frac{1}{2}{\left|\right|P_{{\hat{s}}^{\⊥}}(I_{1:n}-T)\left|\right|}_F^2+\mathrm{\α}{\left|\right|T\left|\right|}_{*}---\left(3\right)$

公式(3)中，为目标遮挡模型S的估计，ε_t为运动目标模型和目标遮挡模型的能量之和；

所述目标遮挡模型S通过以下方法计算获得：

使用公式(4)通过一阶马尔科夫随机场图像分割方法求解目标遮挡模型S，

${\mathrm{\ϵ}}_t==\underset{\mathrm{it}}{\mathrm{\Σ}}[\mathrm{\β}-\frac{1}{2}{(I_{1:n}-\hat{T})}^2]S_{\mathrm{it}}+\mathrm{\γ}{\left|\right|\mathrm{Avec}\left(S\right)\left|\right|}_1+C---\left(4\right)$

公式(4)中，为动目标模型的估计，为一个常数。

3.如权利要求1所述基于矩阵低秩表示理论的运动目标跟踪方法，其特征在于，在输入一帧新图像时对目标观测矩阵进行；所述目标观测矩阵更新的方法为，对新输入的一帧图像，删除目标观测矩阵中的第一列，将新输入的该帧图像作为目标观测矩阵的最后一列，组成更新后的目标观测矩阵。