[发明专利]汽车及基于可变指数的目标追踪方法、装置

说明书

本发明提出了一种汽车和基于可变指数的目标追踪方法、装置，其中，目标追踪方法包括以下步骤：对输入图像进行预处理；根据预处理后的图像构建初始数据字典；根据初始数据字典构建初始可变指数模型，并通过初始可变指数模型识别输入图像中的背景图像和目标；根据识别结果对初始数据字典进行更新。该目标追踪方法通过可变指数模型识别输入图像中的背景环境和目标，降低了目标追踪算法的时间复杂度，便于提高模型稀疏表示能力和重建性能。

技术领域

本发明涉及汽车技术领域，尤其涉及一种基于可变指数的目标追踪方法、一种基于可变指数的目标追踪装置和一种汽车。

背景技术

在处理目标追踪问题时，相关技术中公开了一种基于局部稀疏表示的联合目标追踪方法及其系统，其中，联合目标追踪方法包括：初始化目标外观特征模板，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，并与联合目标追踪模板之间进行相似度比较，最后更新联合目标追踪模板。

另外，还公开了一种图像目标追踪方法和装置，其中，图像目标追踪方法包括：确定图像中目标区域的特征矢量；根据预先配置的物体检测分类器，对每个特征矢量进行分析，确定每个特征矢量的第一似然度值；并且，根据预先配置的物体追踪分类器，对每个特征矢量进行分析，确定每个特征矢量的第二似然度值；对于每个特征矢量，根据该特征矢量的第一似然度值和第二似然度值，确定该特征矢量的第三似然度值；根据目标区域中各个特征矢量的第三似然度值，对与图像相关联的待检测图像进行目标追踪。

然而，上述目标追踪方法均是通过实时更新机制来完成外观的自适应表示，更新过程中往往只针对目标外观学习，而忽略了背景信息，因此当目标和背景外观非常接近时，可能会造成追踪失败，这无疑增加了方案实施的复杂度。

另外，传统的追踪模型把目标追踪视作一个分类问题，使用的一维模型字典数据量大，训练算法的时间复杂度高，通过训练一个从图像背景中识别出所追踪目标的模型难以获得比较好的追踪效果。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的第一个目的在于提出一种基于可变指数的目标追踪方法，以降低目标追踪算法的时间复杂度，提高目标追踪效率。

本发明的第二个目的在于提出一种非临时性计算机可读存储介质。

本发明的第三个目的在于提出一种基于可变指数的目标追踪装置。

本发明的第四个目的在于提出一种汽车。

为达上述目的，本发明第一方面实施例提出了一种基于可变指数的目标追踪方法，包括以下步骤：对输入图像进行预处理；根据预处理后的图像构建初始数据字典；根据所述初始数据字典构建初始可变指数模型，并通过所述初始可变指数模型识别所述输入图像中的背景图像和目标；根据识别结果对所述初始数据字典进行更新。

根据本发明实施例的基于可变指数的目标追踪方法，通过构建可变指数模型识别输入图像中的背景环境和目标，降低了目标追踪算法的时间复杂度，便于提高模型稀疏表示能力和重建性能。

另外，根据本发明上述实施例的基于可变指数的目标追踪装置还可以具有如下附加的技术特征：

根据本发明的一个实施例，所述对输入图像进行预处理包括：对所述输入图像进行灰度化处理，以通过调整图像的灰度动态范围突显图像灰度对比度的显著性；对灰度化处理后的图像进行形态学顶帽操作，以从局部空间分布和灰度差异体现潜在显著物与周围背景的差异。

根据本发明的一个实施例，所述根据预处理后的图像构建初始数据字典包括：获取所述预处理后的图像所对应的图像信号样本集；利用随机观测矩阵对所述图像信号样本集进行处理以构建第一字典，并根据所述第一字典和所述图像信号样本集构建第二字典；根据所述第一字典和所述第二字典构建所述初始数据字典。