[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

说明书

技术领域

本发明属于安全生产系统技术领域。

背景技术

信息技术的高速发展推动了城市由信息化向智慧化发展，截至目前，我国政府已颁布了多批智慧城市建设的试点，国内掀起了智慧城市规划、布局、建设的高潮，为避免建设初期涌现出来的大量同质化问题，当前智慧城市、智慧小镇的建设越来越偏向于体现地区文化产业特色，各种特色园区建设已成燎原之势；同时，在国家大力发展战略性新兴产业，全力加快转变经济发展方式、调整经济结构的背景下，聚集式发展产业成为各地政府的重要工作，在已建园区继续转型升级的同时，大量新建园区不断涌现。

随着园区建设、运行不断铺开，如偷盗、践踏、人身侵害等园区治安事件越来越引起各方关注，对园区安防提出了越来越高的要求，安防手段逐步由人防向人防、物防、技防结合的整体防控体系倾斜，视频监控是其中的主要手段。然而，园区管理范围广阔，点位庞大，网络结构复杂，受环境、资金、技术、服务、标准等方面的制约，不同地域物理环境、人文环境不同，建立全面、有效、无盲区的视频安防监控系统对于各园区来说难易程度不同，对系统的经济性和实用性提出了更高的要求；出于减少劳动强度的考虑以及全程全时动态监视的需要，要求视频监控系统具备自动检测、跟踪嫌疑人员的能力，而在实际运行过程中，受环境遮蔽、光照条件等因素的影响，对视频目标的自动识别、跟踪的鲁棒性提出了严峻的考验，对于低成本部署、高鲁棒性、7x24小时不间断运行的自主视频监控跟踪方法的需求愈加强烈。

现有技术中大多使用粒子滤波作为一种具有处理非线性函数和非高斯分布系统能力的强适应性方法，被广泛应用于视觉跟踪领域，随着稀疏化方法的蓬勃发展，大量研究开始使用压缩感知等稀疏理论改进粒子滤波计算量过大的问题，以取得鲁棒性与算法负载间的平衡。采用类Haar特征组成数据字典的方法将当前帧跟踪对象看成之前帧目标集合的稀疏表示，通过求解规范化l₁最小平方问题获得各粒子相似度的度量，从而解算出跟踪目标的位置，多尺度压缩感知跟踪方法和基于压缩感知特征选择的实时检测跟踪框架则将压缩感知作为一种特征降维手段，使用目标图像的正负两类特征构造数据字典，这些方法基于目标图像或小波特征，未脱离数据字典为一紧致框架的限制，限制了图像特征的使用，在处理昼夜光照条件变化或者图像遮挡等问题时表现出一定的局限性。部分方法，如多模板时空关联的局部反联合稀疏表示目标跟踪方法，通过构造过完备数据字典的方式，加强了信号逼近的灵活性，但其在粒子的相似度解算过程中需多次重复求解含参数高斯函数的优化问题或压缩感知的重构问题，增加了额外的算法负担。

在实际应用中，图像的颜色、纹理等特征已被广泛证明在许多场合下可以更好地体现目标图像的可区分特性，采用符合紧致框架的数据字典进行目标跟踪，限制了数据字典的扩展性，也限制了使用各种经典图像特征构成特征数据字典，影响到相应跟踪方法在复杂环境下的鲁棒性。过完备数据字典方法加强了信号逼近的灵活性，但是由于相似度比较过程中涉及大量信号重构解算，使得算法负载大为增加。

发明内容

本发明主要针对周边环境中存在光照变化、背景干扰和目标遮挡情况下动态目标的视频跟踪问题，提出了一种基于冗余数据字典的压缩感知视频目标跟踪方法，可降低对视频图像清晰度以及监控服务设备计算、存储能力的要求。

为达到上述目的，本发明可采用如下技术方案：

一种冗余数据数据字典压缩感知视频目标跟踪方法，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。

进一步的，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。

进一步的，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