[发明专利]基于结构化稀疏特性的局部遮挡目标跟踪方法

说明书

本发明提出一种基于结构化稀疏特性的局部遮挡目标跟踪方法，属于图像处理领域。为了解决局部遮挡给目标追踪带来的困扰问题。本发明包括：首先，构建结构化稀疏特性图像模板字典；其次，结构化稀疏分组加权；然后，抽取对应的稀疏特性；最后，遮挡目标跟踪。本发明从结构化分块出发明确遮挡目标所在位置，从结构化分块中抽取对应稀疏特性，明确追踪目标，从而实现对目标的追踪。

技术领域

本发明涉及图像处理领域，尤其涉及一种基于结构化稀疏特性的局部遮挡目标跟踪方法。

背景技术

基于结构化稀疏特性的局部遮挡目标跟踪方法是一种计算机视觉领域的方法，视频目标追踪目的是在给定初始位置前提下，动态估计出现在视频序列中的位置，追踪目标也可以看做是在视频序列中寻找与目标模板最相似的候选图像块。

目前，目标追踪领域的困难可以主要分为三类：光照、遮挡和噪声。并且，支持向量追踪方法、集成追踪方法、基于增量学习的目标追踪方法是现有的目标追踪方法。支持向量追踪方法一旦训练好就保持不变，无法适应目标运动过程中发生的新变化。集成追踪方法容易受到背景和噪声的干扰。基于增量学习的目标追踪方法在光照的变化方面还有欠缺。

发明内容

本发明的目的是提供一种基于结构化稀疏特性的局部遮挡目标跟踪方法，解决局部遮挡给目标追踪带来的困扰问题。

本发明解决其技术问题，采用的技术方案是：基于结构化稀疏特性的局部遮挡目标跟踪方法，包括如下步骤：

步骤1、构建结构化稀疏特性图像模板字典；

步骤2、结构化稀疏分组加权；

步骤3、抽取对应的稀疏特性；

步骤4、遮挡目标跟踪。

进一步的是，步骤1具体包括如下步骤：

步骤101、从待跟踪视频的第一帧中的目标初始位置周围提取目标图像模板集合A,A＝[A₁,A₂,...A_i...,A_n]，其中，n为目标图像模板总数，A_i为目标图像模板集合中第i个图像模板，1≤i≤n；

步骤102、对目标图像模板集合中每个目标图像模板进行模板结构化分块处理，每个A_i分块得到n个分块；

步骤103、加入候选图像模板C并按照与模板结构化分块处理一样的规则进行分块，得到的C＝[c₁,c₂,...c_i,...c_n]∈R^h×N表示将候选样本分成N块，每一块长度为h，其中，c_i为候选图像模板的第i个分块。

进一步的是，通过求解以下优化方程得到样本块在字典上的稀疏特性系数：

其中，Z∈R^h×(n×N)是分块字典，d_i代表候选图像模板第i块在字典上的特性系数，候选图像模板的稀疏特性系数用D＝[d₁,d₂,...,d_i...d_N]来表示。

进一步的是，步骤2具体包括如下步骤：

步骤201、根据来源将稀疏特性系数进行分组，得到其中表示由第k个图像模板中分块表示的系数；

步骤202、将分组后的系数通过加权公式得到每一个候选块在不同分图像模板上的加权系数v_i，加权公式如下：