[发明专利]一种混合块稀疏协作模型的目标跟踪方法

摘要

本发明公开了一种混合块稀疏协作模型的目标跟踪方法，包括：根据第一帧图像，初始化选取目标区域，通过粒子滤波、仿射变换和图像插值，在目标区域周围进行随机采样，以获取目标的正、负样本模板及候选样本；利用k‑d树搜索最佳候选目标，作为训练的词典；采用滑动窗对词典分块，利用增量奇异值分解，求取词典的均值和特征值；通过稀疏表达模型和正、负样本模板，计算每个候选目标的置信值；用滑动窗将候选目标分块处理，建立稀疏表达模型；通过后验概率最大化，获取当前帧最佳候选目标，并间隔更新负样本模板和词典。本发明的优点在于：通过跟踪目标的整体块和局部块相结合，在跟踪目标存在复杂背景时，能够有效提高目标的跟踪精度。

主权项

一种混合块稀疏协作模型的目标跟踪方法，其特征在于：包括候选目标的置信值和对遮挡进行处理，包括：步骤a、从第一帧初始化目标并选取目标区域；步骤b、利用目标的坐标通过仿射变换和图像插值的方法获取目标的正、负样本模板；步骤c、根据上一帧视频图像的目标通过粒子滤波、仿射变换和图像插值得到候选目标；步骤d、利用k‑d树搜索得到此帧最佳的候选目标为i，确定目标区域，将最佳的候选目标作为训练的词典；步骤e、判断i是否大于n帧，不大于重复步骤c至步骤d，大于n帧时进入步骤f，其中n是训练词典的帧数；步骤f、i大于n帧后，用滑动窗将词典分块，并利用增量奇异值分解求取词典的均值和特征值；步骤g、根据上一帧视频图像的目标，通过粒子滤波、仿射变换和图像插值得到候选目标；步骤h、通过稀疏表示和正、负样本模板，计算每个候选目标的置信值；步骤i、用滑动窗将候选目标分块处理，再根据词典进行稀疏表示；步骤j、通过后验概率最大化，获取当前帧最可靠的候选目标为i，确定目标区域；步骤k、每隔几帧实时更新负样本模板和词典；步骤l、重复步骤g至步骤k直到此跟踪结束。