[发明专利]目标追踪方法、系统、终端设备及存储介质

说明书

本申请适用于计算机视觉技术领域，公开了一种目标追踪方法、终端设备及存储介质。本申请方法通过根据上一帧目标追踪结果或初始选择目标对下一帧目标区域进行采样得到样本集后，根据BLAS‑3稀疏判别分类计算样本集内每个候选目标的第一置信度，并且，根据BLAS‑3稀疏生成模型计算样本集内每个候选目标的抗遮挡直方图的相似性，然后根据第一置信度和相似性计算每个候选目标的协同置信度选取满足预设要求的协同置信度对应的候选目标作为下一帧的追踪目标，从而可以在不损失目标追踪方法的准确性和鲁棒性的前提下，有效提高基于稀疏表示的鲁棒目标追踪的计算效率，进而提高目标追踪的帧率。

技术领域

本申请涉及计算机视觉技术领域，具体涉及一种目标追踪方法、终端设备及存储介质。

背景技术

目标追踪是指依靠计算机视觉识别追踪实时视频流中的指定目标，估计其位置和大小。传统的图像稀疏表示是将每一张图片表示成向量，再通过K-mean算法生成字典矩阵，最后逐一对多个图片向量求解L1系数惩罚项的误差最小化问题，来获得多个图片的稀疏向量解组成的稀疏矩阵。但是，这种方法只能利用效率低的二级基础线性代数子程序，无法高效利用计算机资源，使得传统图像稀疏表示算法速度较慢，制约了目标追踪算法的计算速度。

发明内容

本申请实施例公开了一种目标追踪方法、终端设备及存储介质，可以通过三级基础代数子程序来处理目标追踪的过程，有效提高基于稀疏表示的鲁棒目标追踪的计算效率。

本申请实施例公开一种目标追踪方法，包括：

根据上一帧目标追踪结果或初始选择目标对下一帧目标区域进行采样，得到若干个候选区域样本作为样本集；

基于预设迭代收缩算法的稀疏判别分类，计算所述样本集内每个候选目标的第一置信度，所述预设迭代收缩算法包括三级基础代数子程序；

基于预设迭代收缩算法的稀疏生成模型，计算所述样本集内每个候选目标的抗遮挡直方图的相似性；

根据所述第一置信度和所述相似性计算每个候选目标的协同置信度；

选取满足预设要求的所述协同置信度对应的所述候选目标作为下一帧的追踪目标。

可选地，所述预设迭代收缩算法，包括：

计算基础迭代；

根据所述基础迭代计算第一稀疏矩阵表示或第一非负稀疏矩阵表示；

计算迭代间隔；

根据所述迭代间隔和所述第一稀疏矩阵表示计算泰勒站展开点，或根据所述迭代间隔和所述第一非负稀疏矩阵表示计算泰勒站展开点；

当迭代误差满足误差条件时，获取所述第一稀疏矩阵表示的解或者获取所述第一非负稀疏矩阵表示的解。

可选地，所述基于预设迭代收缩算法的稀疏判别分类，计算所述样本集内每个候选目标的第一置信度，包括：

获取投影对角矩阵；

通过所述对角矩阵将模板矩阵和候选目标矩阵投影到动态辨别空间，得到投影模板矩阵和投影候选目标矩阵，所述候选目标矩阵与所述样本集对应，所述模板矩阵与所述模板集对应；

根据所述投影模板矩阵、所述投影候选目标矩阵和所述预设迭代收缩算法计算所述候选目标的第二稀疏矩阵表示的第一重构误差；

根据所述第一重构误差计算每个候选目标的第一置信度。

可选地，所述基于预设迭代收缩算法的稀疏生成模型，计算所述样本集内每个候选目标的抗遮挡直方图的相似性，包括：

获取字典矩阵；

获取所述样本集内多个标准滑动框小图的样本矩阵；