[发明专利]基于局部稀疏和时空上下文信息的航拍视频目标跟踪方法

说明书

技术领域

本发明属于航拍视频目标跟踪方法，具体涉及一种基于局部稀疏和时空上下文信息的航拍视频目标跟踪方法。

背景技术

随着计算机视觉技术的发展，基于无人机的航拍视频目标跟踪已经成为重要的研究领域。无人机视频场景中，运动目标跟踪不仅与一般视频目标跟踪方法一样受到环境的干扰，如遮挡、阴影、尺度和光照变化等问题，同时，无人机在高速运动的情形下其运动突变，一方面造成了视频相邻帧间图像坐标系的变化，另一方面还引入了图像模糊、抖动等干扰。此外，无人机一般都在几千或上万米的高空拍摄，导致拍摄到的目标具有尺度小、目标与背景对比度小、目标纹理不清晰等问题；另外，无人机与运动目标同时运动，也会导致序列图像中目标存在尺度缩放、旋转等问题，给目标跟踪带来了更大的挑战。

近年来，基于稀疏表示理论的目标跟踪方法得到了极大的重视，该方法将跟踪问题看作是一个将待选目标用模板稀疏表示后，寻找具有最小重构误差的候选目标的问题。然而这类方法大多数都考虑目标的整体性特征，没有利用稀疏表示系数来区分目标和背景，因此当出现与目标相似的物体或遮挡时，容易跟踪失效。此外，基于稀疏表示的目标跟踪方法，只利用了时间上下文信息，即利用当前时刻目标的位置、外观形态等预测下一帧中目标的位置，但没有充分利用目标的空间上下文信息，会出现目标丢失或漂移现象。在目标的周围邻域内，总是存在一些局部区域与目标有着极强的联系。利用空间上下文信息跟踪时，将目标及其周边邻域的背景区域作为空间上下文，可有效提高跟踪效果。

发明内容

要解决的技术问题

为了避免现有技术的不足之处，本发明提出一种基于局部稀疏和时空上下文信息的航拍视频目标跟踪方法，利用一个简单而高效的基于局部稀疏表示特征的外观模型，来刻画目标的局部结构特征。并且引入空间上下文信息，能够较好地解决目标丢失或漂移问题，实现复杂背景下航拍视频目标的快速鲁棒跟踪。

技术方案

一种基于局部稀疏和时空上下文信息的航拍视频目标跟踪方法，其特征在于步骤如下：

步骤1：读取第一帧图像数据以及目标块在第一帧图像中的参数[xm,ym,w,h]，其中：xm,ym表示目标中心的横纵坐标，w,h表示目标的宽和高；

步骤2、构造用于稀疏表示的字典D：在第一帧目标周围根据高斯分布随机产生n个目标模板，并将每个目标模板归一化为M×N的标准图像块z∈R^M×N；使用一个滑动窗在模板上扫描提取出m个局部块，并将它们按顺序排列起来，字典D是由以上n个目标模板构成：D＝[D₁,D₂,…,D_n,E]，其中，E是琐碎模板，D_i＝[d_i,1,d_i,2,…,d_i,m]其中D_i是字典中的第i个模板，d_i,j代表的第i个模板中的第j块；

步骤3、构建目标的空间上下文模型：

定义空间上下文模型为其中I(·)为某像素的灰度值，ω_σ(·)为一个高斯函数，I(x)ω_σ(x-x′)表示了目标的空间上下文先验信息，x′＝(xm,ym)为目标当前位置的坐标，b为归一化常数，其取值范围为0到1；α，β用于控制模型的经验常数，取值分别为2.25和1，衡量了目标出现在各个位置的可能性大小，和分别为傅里叶变化和傅里叶反变换；

自以下步骤4进入读取每一帧的循环处理步骤：

步骤4：若为第一帧图像，则目标的置信图否则根据空间上下文模型，目标的置信图表示为：

式中：代表卷积计算。根据目标的置信图m(x)，以其值最大的位置为中心，按照高斯分布进行采样，即按照分布p(x_k|x_k-1)＝N(x_k-1；x,Σ)随机产生N个粒子点，N取600；并记录其坐标p＝(xp_i,yp_i)，i＝1,2,…,N，每个粒子代表一个候选目标区域，其中其中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5、稀疏表示求解：对每个粒子代表的候选目标Y，按照构造字典的方式，首先将其归一化到标准尺寸32*32，然后对其采用与步骤2相同的方式提取局部块信息。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：