[发明专利]多核局部约束的视频目标跟踪方法

权利要求书

1.一种多核局部约束的视频目标跟踪方法，其特征在于，所述跟踪方法包括下述步骤：(1)将样本数据的局部结构引入到协同表示方法中，构建样本特征的局部约束线性编码；(2)利用核方法，构建样本特征的多核局部约束协同编码；(3)基于支持向量机，将样本的分类器得分嵌入到粒子滤波框架下实现视频目标的跟踪；(4)依据目标和背景样本的变化，动态更新目标模板与背景模板以及分类器。

2.如权利要求1所述的多核局部约束的视频目标跟踪方法，其特征在于：在步骤(1)中，为了获得具有良好分类性能的样本表示，将样本数据的局部结构引入到协同表示中，来构建样本特征的局部约束协同编码，具体是：(a)在稀疏表示框架下，测试样本表示为y＝d₁x₁+d₂x₂+…+d_nx_n＝Dx，其中字典其协同表示的目标函数为通过最小化得到样本的协同表示为(b)将样本数据的局部结构引入到协同表示，其目标函数为其中是一个局部约束的对角矩阵，通过最小化得到样本的局部约束协同编码为

3.如权利要求1所述的多核局部约束的视频目标跟踪方法，其特征在于：在步骤(2)中，基于核方法，构建样本特征的多核局部约束协同编码，具体是：(a)采用核方法将非线性数据映射到高维线性核空间，样本y在高维空间中的映像由Φ＝[φ(d₁),φ(d₂),…,φ(d_n)]来线性表示，采用随机投影矩阵P^T再将高维数据映射到低维空间，局部约束核协同编码的目标函数即为

对其求偏导以及根据核函数的性质，记P＝ΦB得到目标函数为其中K＝Φ^TΦ是核Gram矩阵；(b)为了稳定地跟踪目标，采用多特征来描述目标，于是通过多核融合的方式得到融合核函数为从而求出样本特征的多核局部约束协同编码

4.如权利要求1所述的多核局部约束的视频目标跟踪方法，其特征在于：在步骤(3)中，基于支持向量机，将样本的分类器得分嵌入到粒子滤波框架下实现视频目标的跟踪，具体是：(a)在第一帧目标区域周围按照高斯分布提取一定数量的目标样本和背景样本，目标样本、背景样本亦分别为正样本、负样本，分别计算正、负样本在当前字典下的多核局部约束协同编码z_i，将正、负样本的编码及其对应的标签代入支持向量机进行训练，通过最小化代价函数来学习分类器，分类器的得分计算为(b)基于所学习的分类器，将粒子滤波框架下的观测模型定义为p(y|s)∝f(z)，具有最高得分的候选目标即为跟踪结果。

5.如权利要求1所述的多核局部约束的视频目标跟踪方法，其特征在于：在步骤(4)中，为了实现鲁棒的视频目标跟踪，动态地更新目标模板与背景模板以及分类器，具体是：(a)关于目标模板D_f的更新，若跟踪结果y能很好地被目标模板表示则保留D_f，否则求出y与D_f中巴氏系数最小的字典原子，并由y替换之；(b)关于背景模板D_b的更新，在当前帧中确定跟踪目标后，在目标区域周围按照高斯分布选择M_B个背景样本，随机替换当前背景字典中的样本；(c)关于分类器的更新，将当前更新后的目标模板D_f和背景模板D_b中的样本，带入分类器进行训练便得到当前的分类器。