[发明专利]一种基于局部稀疏表示和粒子群优化的鲁棒目标跟踪方法

摘要

本发明涉及一种基于局部稀疏表示和粒子群优化的鲁棒目标跟踪方法，首先，在初始帧附近采样得到若干模板块，利用目标的局部和结构信息构造用于稀疏表示的字典。再对之后的每一帧，用粒子滤波产生若干粒子，每个粒子代表一个候选目标。然后对每一个候选目标进行了稀疏表示，用求解得到的稀疏表示系数代表每个粒子的适应度，最后用粒子群优化求解得到的具有最高适应度的粒子，适应度最高的候选目标作为跟踪结果。

主权项

一种基于局部稀疏表示和粒子群优化的鲁棒目标跟踪方法，其特征在于步骤如下：步骤1：读取第一帧图像数据，得到目标在第一帧图像中的位置参数[x,y,w,h]，其中：x,y表示目标的中心位置，w,h表示目标的宽和高；步骤2、构造用于稀疏表示的字典：以x,y为圆心，在半径为R的范围内，采样n个目标模板，将若干目标模板归一化到标准尺寸32*32；使用一个大小为16*16的滑动窗在每个模板上扫描提取多个局部块，并将它们按提取顺序进行排列；所述半径R为max{h,w}的2倍；以若干个目标模板和琐碎模板构成字典D：D＝[D1,D2,…,Dn,E]，其中，目标模板数n，Di是字典中的第i个目标模板，i＝1…n；每个目标模板又被分为m个局部块，Di＝[di,1,di,2,…,di,m]，di,j代表第i个目标模板中的第j块，E为琐碎模板；步骤3、候选目标采样：以函数p(xt|xt‑1)＝N(xt；xt‑1,Σ)在下一帧图像中生成若干粒子，每个粒子代表一个以它为中心的候选目标区域Yi，其中{sx,shx,shy,sy,tx,ty}为仿射变换的6个参数，表示目标在k时刻的状态xk，其中6个参数分别依次表示：水平伸缩量、水平形变量、垂直形变量、垂直伸缩量、水平位移量、垂直位移量；步骤4、稀疏表示求解：按照构造字典的方式，首先将候选目标区域Y归一化到标准尺寸32*32，然后以粒子为圆心，在半径为R的范围内，采样n个目标模板，将若干目标模板归一化到标准尺寸32*32；使用一个大小为16*16的滑动窗在每个模板上扫描提取多个局部块，并将它们按提取顺序进行排列；所述半径R为max{h,w}的2倍；以若干个目标模板和琐碎模板构成字典D：D＝[D1,D2,…,Dn,E]，其中，目标模板数n，Di是字典中的第i个目标模板，i＝1…n；每个候选目标模板Y又被分为m个局部块，Di＝[di,1,di,2,…,di,m]，di,j代表第i个目标模板中的第j块，E为琐碎模板；那么候选目标Y可以被字典D和对应的稀疏表示系数α表示为：Y≈[D1,D2,…,Dn,E][α1,α2,…,αn,e]＝D·α而稀疏表示系数α可由下式通过计算得到：α＝argmin||Y‑D·α||2+λ·||α||1，式中正则化系数λ＝0.01；稀疏表示系数α＝[α1,α2,…,αn]T，αi表示第i个模板和琐碎模板对应的表示系数，而目标模板已被分成若干局部区域，再用αi,j表示第i个候选目标第j块对应的表示系数，而ei则为琐碎模板对应的表示系数，从而又有αi＝[αi,1,αi,2,…,αi,m,ei]T；步骤5：对m块在字典中目标模板对应位置的表示系数求和，得到：再将ci中的对角线元素取出按顺序排列形成列向量fi；步骤6、粒子群优化：根据粒子适应度函数计算每个粒子的适应度，并采用粒子群优化方法优化不断迭代计算每个粒子的适应度函数，直至最优候选目标其适应度达到某个阈值或是达到最大迭代步数，最后得到目标的位置；步骤7、字典更新：以每个粒子的适应度作为目标的置信度，当跟踪到的目标置信度低于阈值μ时，便替换掉字典中的一个模板；替换过程为：将第一帧中手动标定的目标模板将作为固定模板，产生一个序列S＝{0,21,22,…,2n‑1}n是字典中目标模板的数目，该序列被归一化后，得到一组累积概率序列：该序列代表了每个模板被替换的概率，然后，产生一个在区间[0,1]上均匀分布的随机数r，该随机数位于Lp的区间数，即为被替换的模板的序号；对所接收图像序列的所有帧，循环进行步骤3～步骤7，直至跟踪结束。