[发明专利]基于视频传感器网络的自适应目标压缩感知融合跟踪方法

权利要求书

1.一种基于视频传感器网络的自适应目标压缩感知融合跟踪方法，其特征在于，包括以下步骤：

S1：构建包括若干不同视角的视频节点的视频传感器网络测试系统，通过混合高斯模型GMM构建第t帧背景，测试得到的第t帧视频序列x_t为第t帧前景图像和第t帧背景之和，其中t=0，1，2…；

S2：根据若干视频节点中每个视频节点在起始时刻的图像稀疏度K₀，分别计算各视频节点的测量初始值M₀来对其初始图像序列进行压缩感知CS采样，得到每个视频节点采样后初始图像y_o后进行S4，其中M₀≈K₀log(n/K₀)，n为信号维度；S3：采用图像的方差的期望E(σ_t)作为阈值，通过第t帧图像的测量值M_t，迭代得到各视频节点第t+1帧图像的测量值M_t+1，是目标图像x_d的方差；

当则M_t+1=β₀M_t；

当则M_t+1=β₁M_t；

其中，为恢复的目标图像，x_d为目标图像，表示采用范数2恢复误差值；β₀≤1,β₁≥1,β₀,β₁分别为缩小和放大因子，α为调节参数；

并通过第t+1帧图像的测量值M_t+1对第t+1帧图像进行压缩感知CS采样，得到每个视频节点采样后第t帧图像y_t后进行S4;

S4:通过采样后第t帧图像y_t恢复得到第t帧视频序列以及恢复得到第t帧目标图像。

2.如权利要求1所述的一种基于视频传感器网络的自适应目标压缩感知融合跟踪方法，其特征在于，S2和S3中还包括以下步骤：

S51：当各视频节点恢复得到第t帧目标图像后，采用无迹卡尔曼滤波UKF进行目标跟踪信息的检测；

S52：将多视频节点检测到的目标跟踪信息发送到中心节点进行数据融合,第t帧地平面坐标[u_t,v_t]和第t帧像平面坐标[x_t,y_t]之间的映射关系为：

λutvt1=Hjxtyt1,]]>其中H_j为第j个像素点的映射矩阵：Hj=H11H12H13H21H22H23H31H32H33,]]>得出各像素点的地平面坐标[u_t,v_t]：ut=H11xt+H12yt+H13H31xt+H32yt+H33,vt=H21xt+H22yt+H23H31xt+H32yt+H33,]]>λ为尺度参数；

S53：对于各视频节点，通过G(u,v)=∑_jw_jG_j(u,v)和得到融合后的目标跟踪信息中各像素点的权重值，其中G_j(u,v)为第j个像素点的目标位置，G(u,v)为融合后目标的位置，ηj为第j个像素点置信度，w_j为基于置信度η_j的融合后的第j个像素点的权重值。