[发明专利]目标跟踪方法、装置、设备及计算机可读存储介质

权利要求书

1.一种目标跟踪方法，其特征在于，包括：

获取目标物体在实际应用场景中当前帧图像的多个候选粒子；

基于预先构建的稀疏表示模型，利用优化公式计算各候选粒子的稀疏表示系数和稀疏表示误差向量；

基于各候选粒子的稀疏表示系数和稀疏表示误差向量计算各候选粒子的观测概率；

从中选择最大观测概率的候选粒子，以作为所述目标物体在所述当前帧图像的目标粒子；

其中，所述目标物体在PCA子空间中的空间正交基向量集作为字典；所述稀疏表示模型为基于稀疏表示系数和稀疏表示误差向量构建的模型。

2.根据权利要求1所述的目标跟踪方法，其特征在于，在所述从中选择最大观测概率的候选粒子之后，还包括：

根据所述目标粒子的稀疏表示误差向量的非零比率与第一阈值和第二阈值的之间数值关系，隔帧更新所述目标物体的字典。

3.根据权利要求2所述的目标跟踪方法，其特征在于，所述根据所述目标粒子的稀疏表示误差向量的非零比率与第一阈值和第二阈值的之间数值关系，隔帧更新所述目标物体的字典包括：

根据所述目标粒子在所述当前帧图像采集时刻的状态，在所述当前帧图像中提取相应的向量化图像区域数据；

当所述非零比率不大于所述第一阈值，将所述图像区域数据作为待更新数据存储至待更新数据集；

当所述非零比率大于所述第一阈值且不大于所述第二阈值，根据下述公式计算所述待更新数据集中待更新数据：

式中，为所述目标粒子，为所述目标粒子的待更新数据，为所述目标粒子的稀疏表示误差向量，为所述目标粒子的图像区域数据，μ(q)为所述PCA子空间的空间中心，q为向量中元素的标序；

当所述非零比率大于所述第二阈值，舍弃所述图像区域数据，所述待更新数据集不收集数据；

当所述待更新数据集中的数据量达到阈值，采用增量学习算法从所述待更新数据集学习新的正交基向量集和空间中心，以更新所述目标物体的字典。

4.根据权利要求1至3任意一项所述的目标跟踪方法，其特征在于，所述稀疏表示模型为基于稀疏表示系数和稀疏表示误差向量构建的模型包括：

所述稀疏表示模型为：

式中，i为各候选粒子的标号，y_i为第i个候选粒子的向量化图像区域数据，c_i为第i个候选粒子利用所述字典U表示的稀疏表示系数，e_i为第i个候选粒子的稀疏表示误差向量，λ₁为调节所述稀疏表示系数稀疏度的标量，λ₂为调节所述稀疏表示向量误差稀疏度的标量。

5.根据权利要求1至3任意一项所述的目标跟踪方法，其特征在于，所述基于各候选粒子的稀疏表示系数和稀疏表示误差向量计算各候选粒子的观测概率包括：

利用下述公式计算各候选粒子的评分分数：

式中，i为各候选粒子的标号，S_i为第i个候选粒子的评分分数，为滤除均值分量，c为利用所述字典U表示的稀疏表示系数，e为稀疏表示误差向量，λ为常数；

相应的，利用下述公式从中选择最大观测概率的候选粒子：

式中，i为各候选粒子的标号，为所述目标粒子，为第i个候选粒子在所述当前帧图像采集时刻t的状态，为各候选粒子的观测概率，z_t为观测向量。

6.根据权利要求4所述的目标跟踪方法，其特征在于，所述获取目标物体在实际应用场景中当前帧图像的多个候选粒子包括：

在所述实际应用场景中获取包含目标物体的当前帧图像；

调用粒子滤波算法从所述当前帧图像中选取多个候选粒子。