[发明专利]一种基于多尺度块稀疏表示的视频目标追踪方法及其系统

说明书

技术领域

本发明涉及智能视频技术领域，具体来说是一种基于多尺度块稀疏表示的视频目标追踪方法及其系统。

背景技术

目标追踪是计算机视觉领域中一个重要的研究方向，并且在许多实际的应用中，如视频监控、视频场景的理解、交互视频处理等，都起着至关重要的作用。现阶段研究人员已经提出了多种不同的追踪算法，并在不同的应用场景下，取得了一定的成功。但传统的基于局部稀疏表示模型生成式方法的图像局部块大小选择直接影响追踪效果，所追踪目标在经历过较长视频序列时，遮挡、目标外观的形状、环境的光照等都会发生变化，因此目标跟踪往往达不到较好的效果，目标跟踪的技术水平仍然不高。如何开发出一种在视频追踪过程中外观表示模型更为有效、健壮的目标追踪方法及其系统已经成为急需解决的技术问题。

发明内容

本发明的目的是为了解决现有技术中目标跟踪方法达不到较好效果的缺陷，提供一种基于多尺度块稀疏表示的视频目标追踪方法及其系统来解决上述问题。

为了实现上述目的，本发明的技术方案如下：

一种基于多尺度块稀疏表示的视频目标追踪方法,包括以下步骤：

初始化目标特征模板，通过视频第一帧图像对视频目标位置初始化，构造目标外观特征模板；

追踪目标图像，通过读取视频下一帧图像构造下一帧外观特征，并与第一帧外观特征模板之间进行相似度比较，最大相似度的为视频目标在下一帧的位置；

更新目标外观特征模板，将上一步中相似度最大的候选外观特征更新为目标外观特征模板，以供下一帧图像的外观特征进行相似度比较；

检查视频是否读取完毕，若读取完毕，则完成视频目标追踪，若未读取完毕，则继续进行追踪目标图像的操作。

所述的初始化目标特征模板包括以下步骤：

初始化视频第一帧目标图像位置，寻找到视频第一帧图像中目标图像的位置；

依据视频第一帧目标图像进行构建目标图像数据字典；

对第一帧视频目标图像进行多尺度块处理，通过所构建的目标图像数据字典计算目标图像在多尺度下的稀疏系数，并将该稀疏系数表示作为目标外观特征模板。

所述的追踪目标图像包括以下步骤：

读取视频下一帧图像；

通过粒子滤波方式在下一帧视频图像中选择候选目标图像，构建多尺度块数据字典；

依次对候选目标图像进行多尺度块处理以及计算相应的稀疏系数；

计算候选目标图像的稀疏系数与目标外观特征模板之间的相似度，最大相似度的候选目标图像即为视频目标在下一帧的位置。

所述的更新目标外观特征模板定义如下：

Tnews=ωTfirsts+(1-ω)Ttemps]]>

这里ω为更新权值，本方法中设定为0.9。表示在尺度s下新的特征模板。

所述的构建目标图像数据字典的包括以下步骤：

给定视频中第一帧图像I以及对应的目标图像；

通过在目标图像区域内取K个图像局部块，获得集合D={d_i|i=1:K}，这里d_i为第i个局部目标图像块，目标图像数据字典为D。

所述的构建多尺度块数据字典的包括以下步骤：

给定视频中下一帧图像I+1以及对应的候选目标图像；

在候选目标图像区域内取K个图像局部块，每个局部图像块的大小分别设为3x3,5x5,7x7,9x9,11x11共5个尺度块；

获得集合这里d_i为第i个局部目标图像块，s为5个尺度块参数，目标图像多尺度数据块字典为D^s。

所述的目标的外观特征模板的计算包括以下步骤：

设是从第一帧目标图像在不同尺度下抽取的局部图像块，通过多尺度块数据字典，每个局部图像块有一个相对应的稀疏系数，其计算方式如下：