[发明专利]基于超像素局部加权度量与反稀疏模型的跟踪方法

摘要

基于超像素局部权重度量与反稀疏模型的跟踪方法，在训练阶段将目标周围的矩形区域进行超像素分割，提取每个超像素的颜色特征，形成特征池。将均值漂移聚类算法作用到特征池上，得到不同的类。然后计算每一类的置信值，得到初始置信图。在第四帧中，通过手动标记的方式得到初始模板。将模板进行超像素分割，并提取颜色特征。通过计算模板超像素到类中心的距离，将模板超像素对应到所属的类。经计算得到模板超像素置信值，从而得到初始超像素权重。在跟踪阶段，利用粒子滤波方法，在当前帧中采取候选样本构建字典。利用训练阶段得到的超像素权重和字典，求解候选样本的稀疏系数。计算当前帧最终跟踪位置。在更新阶段，采取局部更新方案对模板更新。

主权项

基于超像素局部加权度量与反稀疏模型的跟踪方法，其特征在于，其步骤为：(1)提取训练阶段目标周围3倍面积大小的区域，将这些区域进行超像素分割，然后提取每个超像素的颜色特征，并聚类，计算每类的置信值，得到初始置信图；(2)在第四帧中标定初始目标模板，并将其分割，提特征。将每个模板超像素对应到所属类中，计算模板超像素置信值，进而计算超像素局部权重；(3)在当前帧中利用粒子滤波方法，在前一帧跟踪结果周围选取候选样本，利用候选样本构建字典；(4)根据步骤(2)和步骤(3)得到的超像素权重和字典，求解当前帧候选样本的稀疏系数；(5)利用稀疏系数，计算候选样本权重，得到当前帧最终跟踪结果；(6)计算模板超像素与跟踪结果对应区域二者之间的相似性，判断模板与超像素局部权重是否更新。