[发明专利]基于概率主成分分析和压缩感知的在线目标跟踪方法

权利要求书

1.一种基于概率主成分分析和压缩感知的在线目标跟踪方法，其特征在于步骤如下：

步骤1：在第一帧中标记目标x₁，初始化N个粒子及其权值所述x₁为第一帧中目标图像块的仿射变换参数；

步骤2：使用经典粒子滤波算法对前T帧图像跟踪目标，得到初始目标样本集合A＝[y₁,y₂,...,y_T]，A的每一列是这T帧图像中目标图像块的特征表示向量；

步骤3：对A进行奇异值分解SVD，得到目标特征子空间的表示模型；

步骤4：对当前帧是第t帧的前一帧中粒子按其权值的正比关系进行重采样，再运用高斯运动模型，得到当前帧中粒子

步骤5：求出当前帧中粒子对应图像块的特征表示向量

步骤6：计算出当前帧中第i个粒子对应图像块的特征表示向量与目标特征子空间的视觉相似性的概率表述将该值作为粒子新的权值然后运用最大后验概率准则MAP准则，得到当前帧中具有最大权值的粒子作为该帧目标的状态估计值以此为对当前帧的跟踪结果；若当前帧是最后一帧，则结束，否则继续执行；

步骤7：当已经跟踪的帧数等于m帧时，执行步骤8，否则转到步骤4；其中：m为更新频率，2<m<10；

步骤8：以m个跟踪结果得到一个增量矩阵B＝[y_n+1,y_n+2,...,y_n+m]，其中的每一列是这m帧中跟踪到的目标图像块对应的特征表示向量；

步骤9：使用增量PCA算法更新得到C＝[C,B]，构成目标特征空间的子空间表示模型；然后重复转到步骤4；其中第一次更新时令C＝[A,B]。