[发明专利]一种基于稀疏编码的粒子滤波目标跟踪方法

说明书

技术领域

本发明属于粒子滤波目标跟踪的技术领域，具体涉及一种基于稀疏编码的粒子滤波目标跟踪方法。

背景技术

视频跟踪现已经成为计算机视觉领域的一个热点。粒子滤波算法因为它能表达比高斯模型更广泛的分布，对变量参数的非线性特性有更强的建模能力，所以受到很多研究人士的关注，但粒子滤波目标跟踪算法存在计算复杂、粒子退化等问题。

近年来，为了提高跟踪速度，人们把稀疏编码引入到粒子滤波(杨晓玲.基于粒子滤波和稀疏表示的视频目标跟踪[J].信息技术.2015.(6):103-108)中。稀疏编码最早是由Mei等人将其引入到目标跟踪中，现已成为目标跟踪研究领域的热点。Wang等(王海军，张圣燕.基于L2范数和增量正交投影非负矩阵分解的目标跟踪算法[J].黑龙江大学自然科学学报,2015,32(2):262－269)提出一种基于L2范数以及增量正交投影非负矩阵的目标跟踪的新算法。新算法比原来的算法更快，能更好地适应复杂变化的环境。Liu等(Wang M,Wu Y,Deng J K,et al.Object tracking based on the joint model using L2-norm minimization[J].Journal of Beijing University of Aeronautics and Astronautics,2015,41(3):559-566(in Chinese).[王蒙,吴毅,邓健康,等.基于L2范数最小化联合模型的目标跟踪算法[J].北京航空航天大学学报，2015，41(3):559-566.])针对稀疏编码跟踪较慢的不足，提出基于L2范数最小化的生成和判别的联合模型，有效的减少了求解L1范式的复杂程度，获得更高的跟踪精度与速度。Qi等(齐美彬，杨勋，杨艳芳等.基于L2范数最小化的实时目标跟踪[J].中国图象图形学报,2014,19(1):36-44[DOI:10.11834/jig.20140105])去除稀疏跟踪算法中常用的琐碎模板集，将基于L1范式的模型改进为基于L2范式的目标模型，把遮挡等因素考虑到粒子滤波框架中观测似然函数，提高跟踪速度。Yang等(Yang B，Lin G Y，Zhang W G et al.Robust object tracking incorporating residual unscented particle filter and discriminative sparse representation[J].Journal of Image and Graphics,2014,19(5):730-738.[杨彪,林国余,张为公等.融合残差Unscented粒子滤波和区别性稀疏表示的鲁棒目标跟踪[J].中国图象图形学报,2014,19(5):730-738.][DOI:10.11834/jig.20140511])主要采用可变方向乘子法优化L1范式，提高了稀疏编码的执行效率。文献(孔繁锵,王丹丹,沈秋.L1－L2范数联合约束的鲁棒 目标跟踪[J].仪器仪表学报.2016,(3):690-697)在求单位模板和琐碎模板系数时，分别对系数进行正则化约束，然后运用岭回归算法和软阈值收缩方法快速求解。Zhou等(周治平，周明珠，李文慧.基于混合粒子滤波和稀疏表示的目标跟踪算法[J].模式识别与人工智能,2016,29(1):22-30)将全局信息考虑在内，提出基于全局信息和局部信息的混合粒子滤波算法.Zeng等(曾旭，王元全.基于局部稀疏表示的目标跟踪[J].计算机工程与设计.2015.36(12).023)用训练好的分类器分类，区分背景和前景，减少背景因素的影响，提高准确率。

发明内容

本发明克服现有技术存在的不足，所要解决的技术问题为：提供一种计算简单、跟踪速度快的基于稀疏编码的粒子滤波目标跟踪方法。

为了解决上述技术问题，本发明采用的技术方案为：一种基于稀疏编码的粒子滤波目标跟踪方法，包括以下步骤：S101、建立基于L1-L2约束的联合目标模型；S102、对于每一粒子，采用岭回归算法求解基于L2约束的稀疏系数，采用FISTA算法求解基于L1约束的琐碎模板的系数，最终得到所有粒子的稀疏系数的极小值和琐碎模板的系数的极小值；S103、选择残差最小的粒子，并把它作为当前目标的位置；S104、将选定的残差最小的粒子的结果应用于粒子滤波目标的跟踪框架。