[发明专利]目标跟踪方法及装置

说明书

本发明提供了一种目标跟踪方法及装置，涉及目标跟踪处理技术领域。结合视频图像的背景信息，建立基于目标子空间和背景子空间的结构稀疏表示模型。通过对目标图像区域的处理，提取目标的灰度特征、HOG特征、LBP特征信息，并选择区分性强的特征，联合多个特征对目标进行稀疏表示，且考虑候选样本之间的相互关系，选取最佳的候选样本，实现对目标的精确跟踪。将结构稀疏表示应用于目标跟踪中，使目标跟踪方法不仅考虑到样本的全局信息，还考虑到目标的局部信息和空间信息，从而增加目标跟踪的准确性。同时，根据目标的结构稀疏表示模型，对候选目标进行分类，提高目标跟踪方法在遮挡、背景干扰、光照变化、快速运动等复杂环境下的稳健性和自适应性。

技术领域

本发明涉及目标跟踪处理技术领域，具体而言，涉及一种目标跟踪方法及装置。

背景技术

视觉目标跟踪过程是对视频或图像序列进行处理，对其中感兴趣的目标进行特征提取、目标定位、跟踪检测以及分类识别，最后获取目标的位置或运动特征。这些信息可用来执行更高级的视觉任务，如目标行为识别、场景理解、运动模式分类、目标的行为理解等。视觉目标跟踪技术是目前机器视觉研究的热点之一。该技术被广泛应用于智能视频监控、医疗诊断、驾驶助理、行为识别和人机交互等领域中。虽然研究人员提出各种目标跟踪方法，这些方法在一定范围内取得良好的效果，但仍然存在很多问题有待解决。如在目标的背景、形态、姿势、大小和光照条件发生强烈变化的情况下，对目标进行稳健、实时的跟踪有一定的难度。

随着机器视觉与分析技术的不断发展，稀疏表示方法在视频图像处理方面受到了越来越多的研究和发展。作为一种新兴技术，稀疏表示方法具有与人类视觉感知类似的原理，被广泛应用于模式识别与计算机视觉中。稀疏表示的核心思想就是将数据表示为一个字典中基元的线性组合，而且只需要较少的几个基元就可以将数据表示出来，线性组合权重向量称之为稀疏系数。

现有基于稀疏表示的目标跟踪方法一般采用粒子滤波框架，将目标通过基函数字典映射成稀疏向量建立外观模型，采用字典学习更新模型，最终将跟踪转化成求解L1最小化问题。该类方法能够适应光线变化、姿态变化和部分遮挡等跟踪问题，但容易产生跟踪漂移现象。

发明内容

有鉴于此，本发明提供了一种目标跟踪方法及装置。

本发明提供的技术方案如下：

第一方面，本发明提供了一种目标跟踪方法，包括：

a，对视频数据进行初始化处理，输入视频图像序列，给定时刻t当前视频帧和字典模板，根据视频在t-1时刻的状态采用粒子滤波方法采样N个粒子的粒子状态；

b，对所述字典模板以及N个采样粒子产生的候选样本进行重叠分块，提取每个所述分块的像素灰度值、梯度直方图特征和局部二值模式特征；

c，用所述字典模板中的所有块对所述候选样本中的每一块进行多特征联合结构稀疏表示，得到所述粒子的稀疏表示系数；

d，根据所述粒子的观测模型计算似然函数；

e，确认所述候选样本是否全部处理得到对应的似然函数；

f，当所述候选样本被全部处理得到对应的似然函数时，计算当前目标的状态和跟踪结果；

g，更新所述字典模板，根据所述字典模板构建目标子空间和背景子空间，将所述粒子的稀疏表示系数表示为有所述目标子空间和背景子空间分解的稀疏系数；

h，根据更新后的字典模板，重新进行步骤b至步骤f，直至所有的所述视频图像序列处理完成；

i，输出目标跟踪结果以及所述当前目标的目标位置。

第二方面，本发明提供了一种目标跟踪装置，包括：