[发明专利]一种冗余数据数据字典压缩感知视频目标跟踪方法

权利要求书

1.一种冗余数据数据字典压缩感知视频目标跟踪方法，其特征在于：包括以下步骤：

(1)、提取视频目标特征；

(2)、根据视频目标特征对数据字典初始化；

(3)、根据数据字典对视频目标建模；

(4)、冗余数据字典下的压缩感知观测；

(5)、压缩感知跟踪；

(6)、数据字典更新；

(7)、输出结果。

2.根据权利要求1所述的跟踪方法，其特征在于：步骤(1)中的目标特征包括目标可见光与红外图像的局部二值模式特征，红外图像的灰度直方图、可见光图像的hsv直方图、以及红外与可见光双通道图像的低阶不变矩和紧密性特征。

3.根据权利要求2所述的跟踪方法，其特征在于：步骤(2)中的数据字典初始化方法为：

以弹性矩形区域描述动态刚性目标，记第一帧目标矩形区域的中心点坐标为g1，与此对应，根据此矩形区域提取的图像特征按列堆叠形成的特征向量记为

t(g₁)＝[p¹(g₁),p²(g₁),…,p^k(g₁)]^T,k＝1,…m

其中p^k(g₁)为第k个特征，m为所采用的特征的个数，随后，在目标中心g₁的基础上加上一个[0,1]上正态分布的随机值以产生N_t-1个摄动中心g_i,i＝2,…,N_t-1，其中N_t是目标模板集中包含的特征向量的个数，以这些摄动中心为中心，提取相同大小矩形区域的特征值，与t(g₁)一起组成初始目标模板集并引入单位矩阵I＝[i₁,i₂,…i_m]∈R^m×m来跟踪干扰，与初始目标模板集组成矩阵T'＝[T,I]，对该矩阵进行奇异值分解得到初始数据字典D＝[d₁…d_n]∈R^m×n(m＞＞n)，d₁…d_n为字典的列向量，n为字典的行维，即字典中列向量的个数，R^m×m表示m×m的实数矩阵。