專利名稱：一種基于稀疏限制的mle視頻目標跟蹤方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種目標跟蹤方法，更具體地說，涉及一種基于稀疏限制的MLE視頻目標跟蹤方法。
背景技術(shù)：
目前已經(jīng)存在基于稀疏編碼模型的目標跟蹤方法。稀疏編碼的基本思想是在給定的模板庫T中選取少量的模板來表達待測的目標y，使得y Ta，a是稀疏編碼系數(shù)向量。a的稀疏性可以用10范數(shù)來衡量，但10范數(shù)最小化編程是一個NP-hard的問題。文獻 I，Mei X, Ling H B. Robust Visual Tracking and Vehicle Classification via Sparse Representation[J].1EEE Transactions on Pattern Analysis and Machine Intelligence, 2011，33 (11) : 2259-2272。文獻 2, Han Z J, Jiao J B, Zhang B C, Ye Q X and Liu J Z. Visual Object Tracking via Sample-based Adaptive Sparse Representation [J]. Pattern Recognition, 2011. 44(9) :2170_2183。文獻 I 和文獻 2 證明了當解足夠稀疏時，10范數(shù)最小化等價于11范數(shù)最小化。因此，稀疏編碼問題可以歸結(jié)為
權(quán)利要求
1.一種基于稀疏限制的MLE視頻目標跟蹤方法，其特征在于，包括如下步驟 選取跟蹤目標的前n幀作為初始目標模板庫T ；采用服從高斯分布的狀態(tài)轉(zhuǎn)移模型，選取目標的運動仿射變換參數(shù)作為狀態(tài)變量Xt ={xt, yt, 0 t, st, a t, <i) t},其中，xt, yt分別表示目標在第t巾貞x, y方向上的平移，0 t表示目標在第t幀的旋轉(zhuǎn)角度，St表示目標在第t幀變化的尺度，a t表示目標在第t幀變換的縱橫比，表示目標在第t幀的傾斜方向，在當前幀的上一幀圖像的周圍選擇m個樣本；計算m個樣本像素的權(quán)值，選取權(quán)值閾值對m個樣本的像素進行異常像素篩選； 對篩選后的m個樣本進行稀疏編碼求解，得到樣本像素的重建誤差； 將樣本像素的重建誤差帶入到觀測似然模型中，獲取m個樣本中跟蹤目標的最佳狀態(tài)值，作為當前幀的跟蹤結(jié)果； 其中， M個樣本像素的權(quán)值的求取過程為將初始目標模板庫T表示為T = Lr1 ；r2 ；…；rd]，其中，rj G Rn, j = 1，2，…，d表示模板庫T的第j個行向量，將跟蹤結(jié)果圖像塊y寫為列向量的形式y(tǒng) = [yi ；y2 ；…；yd]，其中y」，j = 1，2，…，d表示圖相塊y中的第j個像素，則稀疏編碼的重建誤差為e = y-Ti=[w...:e/|，其中，#, r,6. j = I, 2， (!為第j個像素的重建誤差，假設(shè)各個像素的重建誤差ei，e2, . . . , ed相互獨立且服從相同的分布，概率密度函數(shù)為pe(ep，9是描述概率密度分布函數(shù)特征的參數(shù)集，則似然函數(shù)為 對P 0 (e」)取負對數(shù),得到f 0 (e」)=-1n p 0 (e」)，則最大似然估計的目標是最大化似然函數(shù)L0或者最小化目標函數(shù)-1nLJel, e:+,..，eif) MeO，則編碼系數(shù)向量a的具有稀疏性限制的最大似然解可以寫為=A(S)+1IIaIU , 將其轉(zhuǎn)化帶有權(quán)重的稀疏編碼求解問題
2.根據(jù)權(quán)利要求1所述的基于稀疏限制的MLE視頻目標跟蹤方法，其特征在于，權(quán)值WJ；J的大小被限定在[O，I]之間。
3.根據(jù)權(quán)利要求1或2所述的基于稀疏限制的MLE視頻目標跟蹤方法，其特征在于，在對篩選后的m個樣本進行稀疏編碼求解時，放寬稀疏性限制，將11范數(shù)最小化轉(zhuǎn)化為12范數(shù)最小化。
4.根據(jù)權(quán)利要求1所述的基于稀疏限制的MLE視頻目標跟蹤方法，其特征在于，從第n+1幀開始對跟蹤結(jié)果依次保存，如果某一幀得到的跟蹤結(jié)果圖像塊存在50%以上異常像 素點，則舍棄，當跟蹤結(jié)果積累達到模板庫數(shù)量的一半時，用新得到的n/2個跟蹤結(jié)果替換掉原模板庫中前n/2幀得到的目標模板。
全文摘要
本發(fā)明公開了一種基于稀疏限制的MLE視頻目標跟蹤方法，該方法包括如下步驟選取跟蹤目標的前n幀作為初始目標模板庫T；采用狀態(tài)轉(zhuǎn)移模型在當前幀的上一幀圖像的周圍選擇m個樣本；計算m個樣本像素的權(quán)值，選取權(quán)值閾值對m個樣本的像素進行異常像素篩選；對篩選后的m個樣本進行稀疏編碼求解，得到樣本像素的重建誤差；根據(jù)觀測似然模型，獲取m個樣本中跟蹤目標的最佳狀態(tài)值，作為當前幀的跟蹤結(jié)果，在對目標進行跟蹤的過程中，根據(jù)需要對目標模板庫進行更新，用跟蹤得到的目標跟蹤結(jié)果替換目標模板庫中的模板。實施本發(fā)明的技術(shù)方案，具有如下有益效果提高目標跟蹤的準確性和目標跟蹤速度。
文檔編號H04N7/18GK103024349SQ20121045349
公開日2013年4月3日 申請日期2012年11月13日 優(yōu)先權(quán)日2012年11月13日
發(fā)明者姜明新 申請人:大連民族學(xué)院