[发明专利]基于多特征和自适应字典学习的目标跟踪方法及系统

权利要求书

1.一种基于多特征和自适应字典学习的目标跟踪方法，其特征在于，所述目标跟踪方法包括：

获取目标初始位置的第一帧图像的前景模板和目标的周围背景模板；

根据所述目标前景模板和目标周围背景模板构建初始字典，获取初始纹理特征字典和初始颜色特征字典；

基于LC-KSVD算法分别对所述初始纹理特征字典和所述初始颜色特征字典进行学习处理，获取判别纹理特征字典和判别颜色特征字典；

根据所述判别纹理特征字典和所述判别颜色特征字典基于稀疏特征匹配算法进行目标位置跟踪匹配，获取目标下一帧的跟踪位置。

2.根据权利要求1所述的目标跟踪方法，其特征在于，所述获取目标初始位置的第一帧图像的前景模板和目标的周围背景模板，包括：

在目标初始位置的第一帧图像框中进行随机采样，获取目标中每个样本的第一纹理特征和第一颜色特征作为目标前景模板；

在目标初始位置的第一帧图像框的周围按高斯分布进行采样，提取目标中每个样本的第二纹理特征和第二颜色特征作为目标周围背景模板。

3.根据权利要求2所述的目标跟踪方法，其特征在于，所述根据所述目标前景模板和目标周围背景模板构建初始字典，获取初始纹理特征字典和初始颜色特征字典，包括：

根据所述目标前景模板的第一纹理特征和所述目标周围背景模板的第二纹理特征构建初始字典，获取初始纹理特征字典；

根据所述目标前景模板的第一颜色特征和所述目标周围背景模板的第二颜色特征构建初始字典，获取初始颜色特征字典。

4.根据权利要求1所述的目标跟踪方法，其特征在于，所述根据所述判别纹理特征字典和所述判别颜色特征字典基于稀疏特征匹配算法进行目标位置跟踪匹配，获取目标下一帧的跟踪位置，包括：

基于目标的上一帧图像的位置在当前帧图像中进行采样，获取多个候选样本；

根据所述判别纹理特征字典和所述判别颜色特征字典，基于稀疏特征匹配算法，通过最小重构误差准则计算所述多个候选样本与目标初始位置在稀疏特征上的最大相似性，并根据所述最大相似性获取目标下一帧的跟踪位置。

5.根据权利要求1所述的目标跟踪方法，其特征在于，所述目标跟踪方法还包括：

判断当前帧是否满足更新判别纹理特征字典和判别颜色特征字典的条件；

若是，基于递增的字典更新算法对判别纹理特征字典和判别颜色特征字典进行更新。

6.根据权利要求5所述的目标跟踪方法，其特征在于，所述更新判别纹理特征字典和判别颜色特征字典的条件，包括：

当前帧的最佳样本的噪声能量小于所有样本的平均噪声能量；

样本的平均噪声能量与表示场景变化的阈值曲线相交；

两次更新的间隔时间大于预设阈值。

7.根据权利要求5所述的目标跟踪方法，其特征在于，所述基于递增的字典更新算法对判别纹理特征字典和判别颜色特征字典进行更新，包括：

对集中在当前帧的目标位置进行重新采样得到正负样本，并融合初始目标图像的正样本来获取新的纹理特征字典和新的颜色特征字典；

基于LC-KSVD算法分别对新的纹理特征字典和新的颜色特征字典进行更新学习处理，完成更新。

8.一种基于多特征和自适应字典学习的目标跟踪系统，其特征在于，所述目标跟踪系统包括：

模板获取模块：用于获取目标初始位置的第一帧图像的前景模板和目标的周围背景模板；

字典构建模块：用于根据所述目标前景模板和目标周围背景模板构建初始字典，获取初始纹理特征字典和初始颜色特征字典；

字典学习模块：用于基于LC-KSVD算法分别对所述初始纹理特征字典和所述初始颜色特征字典进行学习处理，获取判别纹理特征字典和判别颜色特征字典；

跟踪匹配模块：用于根据所述判别纹理特征字典和所述判别颜色特征字典基于稀疏特征匹配算法进行目标位置跟踪匹配，获取目标下一帧的跟踪位置。