[发明专利]基于Lp范数正则化的增量子空间目标跟踪方法

摘要

本发明公开了一种基于L_p范数正则化的增量子空间目标跟踪方法，包括以下步骤：读入视频序列图像,手动标记第一帧目标的图像；利用Ross的方法获取观测值；对前5帧图像直接计算残差来确定当前帧的目标装态，并收集样本，采用Ross的方法获取初始的子空间和均值向量；从第6帧开始，在增广拉格朗日的框架下对观测样本建立目标函数，并进行最小化计算；评估每个候选样本成为当前帧真实目标的置信度，并收集样本；当收集的样本达到5个时，采用Ross的方法增量更新子空间和均值向量。本发明在保证有一定实时性的前提下，对目标在遮挡、光照、运动模糊等挑战下都具有较强的抗干扰性，并能在一个统一的框架下，观测不同稀疏度对跟踪的影响。

主权项

1.基于L_p范数正则化的增量子空间目标跟踪方法，其特征在于，包括下列步骤：步骤一、读入第一帧图像Image₁，手动标记视频序列第一帧的目标图像，降采样目标图像并转为列向量d为目标图像的特征维数，初始化子空间D和奇异值对角矩E为空矩阵；步骤二、读入下一帧Image_t+1，t≥1，基于Ross的方法获取t+1帧候选样本的运动状态集合并将对应图像作为目标函数中的观测样本的集合其中m为样本的个数；步骤三、标记第i个观测样本同时确定当前t+1帧帧号，若t+1≤5，则计算观测样本与第t帧真实目标状态的残差，得出t+1帧的最佳目标状态并收集样本I_t+1，转入步骤八；否则直接转入步骤四；步骤四、对观测样本构建目标函数，并对重构样本与观测样本的残差直接进行拉普拉斯建模||e||₁，以容纳目标跟踪中受到的离群子干扰；针对储存目标信息的PCA子空间的目标系数利用L_p范数正则化其目标系数项||c||_p，以在重构样本时，消除冗余特征的干扰；在增广拉格朗日算法下构建目标函数；步骤五、基于APG算法，对目标函数进行最小化计算，获得收敛的残差e^*和目标系数C^*；步骤六、评估所有候选样本成为真实目标状态的置信度，获得第t+1帧的最佳目标状态步骤七、获取到最佳目标状态后，进一步收集样本步骤八、若收集的样本I达到五个，则采用Ross的更新方法对子空间及其均值向量进行更新，并重置收集的样本个数为0；若未达到5个，则不更新目标子空间；步骤九、若视频未结束，则转入步骤二，读入下一帧图像；否则跟踪结束。