一種圖像目標跟蹤方法技術

本發明專利技術提供了一種圖像目標跟蹤的方法，通過獲取第一幀圖像，根據不同尺度的局部圖像塊的外觀模型集合成圖像整體字典，計算局部圖像塊的稀疏系數；采集圖像的當前狀態為候選目標，建立粒子濾波器和相似度函數，通過當前狀態粒子濾波器框架中的相似度函數，計算候選目標的估計位置；以候選目標的估計位置為依據，進行局部圖像塊的稀疏系數重算，完成目標最后的定位位置。本發明專利技術改進了以往的通過采用統計特征進行隨機抽樣一致性識別目標的跟蹤方法，提供了通過局部圖像塊的稀疏系數所構造的辨別式模型來識別復雜背景中目標對象的方式。并通過辨別式和產生式融合的候選目標相似度函數，提高了該跟蹤方法的穩定性和精確性。

【技術實現步驟摘要】

本專利技術涉及計算機圖像處理
，特別涉及計算機圖像處理中的圖像目標跟蹤的方法。
技術介紹
隨著近年來傳感器技術和計算機硬件處理能力及其存儲技術的不斷發展，運動目標跟蹤成為模式識別和計算機視覺中一個熱門的研究領域，在軍事和民用等領域都有著廣泛的應用。視覺信息是人類通過感官從外界獲取的最主要信息之一，同時視頻序列具有比靜態圖像更多的有效信息，因此對視頻序列中的目標進行分割和跟蹤是后續研究工作的前提和基礎，如異常行為檢測、目標識別等工作都以目標的跟蹤和分割為前提。所謂目標跟蹤技術，研究內容包括以下兩方面，一個是對所捕獲的視頻序列中的運動目標進行檢測、跟蹤、識別和提取所需信息，如目標的軌跡及其相關運動參數，如速度、加速度、某時刻的位置等。另一個是利用所獲取的各項運動參數對目標進行估計與預測以輔助決策。因此，精確地提取運動目標的特征是提高目標跟蹤、識別與分類的前提；而跟蹤的精確度又影響到高層決策過程精確與困難程度，如目標行為的描述和理解與判定、決策等。然而，現實中存在大量影響著運動目標及其外形特征提取精度的因素，比如目標被遮擋、發生空間內旋轉和目標進出視野范圍會影響大部分跟蹤器的性能，導致其逐步累積誤差而最終跟蹤結果發生較大偏差；擁擠的場景會存在大量類似目標的干擾而使得目標的檢測和跟蹤難度加大；諸多干擾目標邊緣特征提取的因素，如運動目標姿態的改變將會影響基于邊緣、梯度等特征的跟蹤器性能導致其無法檢測到與訓練樣本近似的區域而影響跟蹤結果；如攝像機的抖動和影子會導致視頻序列的相鄰兩幀出現灰度和內容發生較大的變化會影響大部分跟蹤器性能；此外如光照的突變、光線較弱、能見度較低，或者是室內場景目標與背景的對比度變化等情況會導致目標色彩特征的改變，由于視覺特征對光照變化的敏感性，將會影響一些基于色彩特征的跟蹤器運行結果。因此，找到應對復雜場景下影響目標跟蹤算法性能諸多因素的有效解決方法，提高算法的魯棒性和精確性，成功地搭建一個高效、實時的運動目標跟蹤平臺，對于行為模式理解等研究都具有很重要的理論價值與廣泛的應用價值。
技術實現思路
針對現有技術存在的上述問題，本專利技術提供一種基于稀疏系數的目標跟蹤方法，主要針對現有的通過采用統計特征進行隨機抽樣一致性識別目標的跟蹤方法在識別能力上的不足，提出了一種通過局部圖像塊的稀疏系數所構造的辨別式模型來識別復雜背景中目標對象的方式。并通過辨別式和產生式融合的候選目標相似度函數，提高了該跟蹤方法的穩定性和精確性。為實現上述專利技術目的，本技術專利技術提供以下技術方案：本專利技術采用了一種構建場景圖像的多尺度圖像整體字典的方法，基于不同尺度塊，通過第一幀的目標圖像創建靜態字典，結合不同尺度的圖像整體字典以及局部塊稀疏系數來實現外觀圖像表示。進一步的，本專利技術采用了通過局部圖像塊的稀疏系數所構造的辨別式的方法。將局部稀疏系數通過排列池法實現目標表示，并將單一尺度稀疏表示拓展成多尺度下稀疏系數表示，以此完善目標外觀表示，增強跟蹤器的魯棒性。考慮到塊狀大小選擇對跟蹤表現影響較大，本方法可以通過多尺度塊自適應融合方法來解決圖像局部塊選擇的問題。進一步的，本專利技術建立局部圖像稀疏直方圖的目標狀態估計方法，在生產式模型中，目標外觀由相應的稀疏編碼直方圖表示，目標模板與候選模板之間的相似度通過稀疏編碼直方圖計算。本專利技術采用了粒子濾波器的框架，在追蹤候選目標圖像的基礎上計算候選目標相似度并結合粒子濾波器確定最終的目標定位的估計位置。進一步的，所述粒子濾波器為估計和擴散狀態變化后驗概率密度函數提供了環境框架。本專利技術采用了一種多尺度圖像整體字典與粒子濾波器結合的目標定位方法，候選目標的狀態估計通過一個整合了判別式模型以及生產模型的多尺度字典進行分析并結合粒子濾波器來對候選目標進行最終的定位位置；進一步的，本專利技術采用了基于多尺度字典和粒子濾波的目標定位的方法。對候選目標的每一個局部圖像塊重構稀疏系數并經過粒子濾波完成跟蹤目標最優位置的選擇。進一步的，本專利技術對候選目標的跟蹤采用了一種通過稀疏系數構造辨別式模型的有效目標識別的方法，在判別式模型中目標圖像被相應的稀疏編碼來表示，通過對稀疏編碼的學習，獲得一個線性分類器來識別背景圖像和目標圖像。綜上所述，本專利技術對候選目標的跟蹤采用了一種多尺度圖像整體字典與粒子濾波器結合的目標定位方法，該方法不僅拜托了目標跟蹤前局部塊選擇的困擾，而且還使得目標信息與空間信息相互補充，提升了跟蹤精度。附圖說明附圖是用來提供對本專利技術的進一步理解，并且構成說明書的一部分，與下面的具體實施方式一起用于解釋本專利技術，但并不構成對本專利技術的限制。在附圖中：圖1為本專利技術實施例中圖像目標跟蹤方法的流程圖具體實施方式以下結合附圖對本專利技術的具體實施方式進行詳細說明。應當理解的是，此處所描述的具體實施方式僅用于說明和解釋本專利技術，并不用于限制本專利技術。因此，本領域普通技術人員應當認識到，可以對這里的描述的實施例做出各種改變和修改，而不會背離本專利技術的范圍和精神。同樣，為了清楚和簡明，以下的描述中省略了對公知功能和結構的描述。一種基于稀疏表示的目標跟蹤方法，主要針對現有的通過采用統計特征進行隨機抽樣一致性識別目標的跟蹤方法在識別能力上的不足，提出了一種通過局部圖像塊的稀疏系數所構造的辨別式模型來識別復雜背景中目標對象的方式。并通過辨別式和產生式融合的候選目標相似度函數，提高了該跟蹤方法的穩定性和精確性。本技術專利技術為實現上述目的，采用了一種結合不同尺度字典以及局部塊稀疏系數來實現外觀表示的方法，并應用粒子濾波的方式提高跟蹤的穩定性和精度，采取的技術方案主要包括三個部分：(1)基于多尺度塊的稀疏系數表示圖像外觀模型：根據不同尺度塊大小建立圖像外觀模型，通過不同尺度下圖像求解局部圖像塊的稀疏系數，搜集全部目標稀疏來表示圖像外觀。在目標區域內通過滑動不同大小的窗口來采樣局部圖像塊，以此來建立不同尺度下的圖像整體字典Ds={djs|j=1:n×K,s=1,2,...,L,r=2×s+2本文檔來自技高網...

【技術保護點】
一種圖像目標跟蹤的方法，其特征在于，包括以下步驟：(1)獲取第一幀圖像，根據不同尺度的局部圖像塊的外觀模型集合成圖像整體字典，計算局部圖像塊的稀疏系數；(2)采集圖像的當前狀態為候選目標，建立粒子濾波器和相似度函數，通過當前狀態粒子濾波器框架中的相似度函數，計算候選目標的估計位置；(3)以候選目標的估計位置為依據，進行局部圖像塊的稀疏系數重算，完成目標最后的定位位置。

【技術特征摘要】
1.一種圖像目標跟蹤的方法，其特征在于，包括以下步驟：
(1)獲取第一幀圖像，根據不同尺度的局部圖像塊的外觀模型集合成圖像整體字典，計
算局部圖像塊的稀疏系數；
(2)采集圖像的當前狀態為候選目標，建立粒子濾波器和相似度函數，通過當前狀態粒
子濾波器框架中的相似度函數，計算候選目標的估計位置；
(3)以候選目標的估計位置為依據，進行...

【專利技術屬性】
技術研發人員：羅武勝，孫備，魯琴，杜列波，李陽，肖晶晶，
申請(專利權)人：中國人民解放軍國防科學技術大學，
類型：發明
國別省市：湖南;43