本发明专利技术公开了一种基于目标时空一致性和局部稀疏表示的跟踪方法及装置。所述方法包括：(1)根据已知的跟踪结果采集正样本集和候选跟踪样本集；(2)利用固定栅格对样本分块并赋予标记；(3)对样本局部图像块进行稀疏编码，计算具有相同标记的正样本图像块编码的均值；(4)定义一种目标时空一致性测度，根据该测度，对每个候选样本进行评分；(5)在候选样本集中选择时空一致性评分最大的候选粒子作为最终跟踪目标。本发明专利技术通过计算样本的时空一致性评分，有效地克服了遮挡问题，提高了跟踪的准确性，此外，利用局部图像块稀疏表示，既消除了外界光照变化以及目标姿态变化对跟踪问题的影响，又提高目标跟踪的效率。
【技术实现步骤摘要】
本专利技术属于图像目标跟踪
，设及一种基于目标时空一致性和局部稀疏表 示的跟踪方法及装置。
技术介绍
目标表示问题是跟踪方法需要考虑的一个首要问题。目前，目标的表示大体可W 划归为W下几个方法；①像素级表示。利用图像像素级特点来表示目标，如直接将目标像素 值作为输入，或基于目标颜色、纹理的表示等。②人工特征级表示。利用一些人工设计的特 征算子（如SIFT特征，HOG特征，化ar-like特征等）对目标提取特征来表示目标。⑨基于 描述性模型的表示。如次空间表示，稀疏表示等。，不但目标的辨识性难w保证，而且计算量会相应的比较大。而利 用人工特征的描述模型则对于目标的自身特点有特定的要求，即不同的目标适合不同的特 征描述子，对不同目标采用相同的特征表示会使辨识效果下降。因此，人工特征级表示模 型比较依赖于人的主观选择，故推广性和鲁椿性欠佳。相较前两种表示方法，描述性模型 可W较好地克服上面提出的问题。但是其中的次空间表达化Ross, J.Lim，R.S. Lin, and M. H. Yang，Incremental learning for robust visual tracking，in Proc. Int. J. Comput. Vis. (IJCV)，（2008) 125-141.]虽然对光照和平面内的姿态变化有着比较好的处理，但是其 没有考虑遮挡的情况。而研究发现，通过对目标稀疏表示，可W相对方便地解决上述问题。 LJ 技.Mei and 比 Ling，Robust visual tracking using 1 Iminimization，in ; ICCV，1436-1443, 2009.]是目前比较流行的基于稀疏表示的方法，该方法通过在编码字典 中加入细节模板（trivial templates)来重构遮挡。但是该方法编码整个目标，它只利用 了目标的全局信息，而没有利用到图像的局部细节信息。而且由于原始目标的维数较高，对 其整体的编码，时间代价是很大的。
技术实现思路
针对上述问题，本专利技术提出了一种基于目标时空一致性和局部稀疏表示的跟踪方 法。该算法根据对于目标在跟踪过程中的变化特点，定义了目标在连续两帖间的时空一致 性假设；（1)时域一致性。目标在连续两帖内变化不大，所W在连续的两帖内，-则认为目标 在外观上是一致的；（2)空域一致性。由于目标在连续两帖相似，则在该两帖之中，目标各 个部分的位置是基本固定的。举例来说，将样本分为互不重叠的图像块，在样本中，一旦一 个图像块被判断为是目标图像块，那么如果该图像块的邻近几个图像块也被判断为是目标 块，那么该样本具有很高的置信度是目标。本专利技术根据如上定义的时空一致性的特点，提出 了计算样本时空一致性评分的测度，解决了目标遮挡问题。 本专利技术利用对样本局部图像块的稀疏编码来解决光照和目标姿态变化等问题，利 用将目标分块，并在此基础上定义目标图像块的时空一致性来解决局部遮挡问题，而且只 对维度相对较小图像块进行稀疏编码也提高了编码的速度。 本专利技术提出的一种基于目标时空一致性和局部稀疏表示的跟踪方法，其包括下列 步骤：[000引步骤一：根据上一帖跟踪结果的位置利用高斯扰动在上一帖图像采集得到用于当 前帖的正样本集； 步骤二：将正样本集中每个正样本分割成图像块并标记，并利用分割得到的图像 块学习字典； 步骤利用所述学习字典对正样本集中每个正样本分割得到的图像块进行稀疏 编码，计算具有相同标记的图像块稀疏编码的平均向量； 步骤四：利用仿射变换状态变化的运动模型从上一帖的跟踪结果获取当前帖的候 选样本集，并对所述候选样本集中的每个候选样本分割成图像块并标记； 步骤五：根据对应于正样本集中具有相同标记的图像块稀疏编码的平均向量W及 每个候选样本的图像块稀疏编码计算每个候选样本的时空一致性评分； 步骤六：基于贝叶斯推理，根据候选样本集中每个候选样本的时空一致性评分确 定当前帖的跟踪结果。 本专利技术还提出了一种基于目标时空一致性和局部稀疏表示的跟踪装置，包括： 正样本采集模块；根据上一帖跟踪结果的位置利用高斯扰动在上一帖图像采集得 到用于当前帖的正样本集； 分割和标记模块；将正样本集中每个正样本分割成图像块并标记，并利用分割得 到的图像块学习字典； 稀疏编码模块：利用所述学习字典对正样本集中每个正样本分割得到的图像块进 行稀疏编码，计算具有相同标记的图像块稀疏编码的平均向量； 候选样本分割模块；利用仿射变换状态变化的运动模型从上一帖的跟踪结果获取 当前帖的候选样本集，并对所述候选样本集中的每个候选样本分割成图像块并标记； 评分模块；根据对应于正样本集中具有相同标记的图像块稀疏编码的平均向量W 及每个候选样本的图像块稀疏编码计算每个候选样本的时空一致性评分； 跟踪模块：基于贝叶斯推理，根据候选样本集中每个候选样本的时空一致性评分 确定当前帖的跟踪结果。 本专利技术通过稀疏编码使得跟踪方法对光照、目标姿态变化等更加鲁椿，通过对目 标分块并定义目标图像块的时空一致性使得该方法能够有效处理遮挡问题。由于稀疏编码 的速度很大程度上受到待编码目标的维度影响，本专利技术对维度相对较小的局部图像块进行 稀疏编码在速度上快于编码整个图像的跟踪方法。【附图说明】 图1是本专利技术中采样区域和统一化样本尺寸示意图； 图2是本专利技术中样本分块与标记示意图； 图3是本专利技术中计算样本时空一致性评分的步骤示意图； 图4是本专利技术中完整跟踪方法流程图； 图5是本专利技术在公开数据集上关键帖的跟踪结果示意图。【具体实施方式】 为使本专利技术的技术方案、实现步骤和跟踪效果更加清楚明白，W下结合技术方案 和附图详细叙述本专利技术的【具体实施方式】。[002引本专利技术提出了一种基于目标时空一致性和局部稀疏表示的跟踪方法。该方法根据 对于目标在跟踪过程中的变化特点，定义了目标在连续两帖间的时空一致性假设；（1)时 域一致性。目标在连续两帖内变化不大，所W在连续的两帖内，则认为目标在外观上是一致 的；（2)空域一致性。由于目标在连续两帖相似，则在该两帖之中，目标各个部分的位置是 基本固定的。举例来说，将样本分为互不重叠的图像块，在样本中，一旦一个图像块被判断 为是目标图像块，那么如果该图像块的邻近几个图像块也被判断为是目标块，那么该样本 具有很高的置信度是目标。本专利技术根据如上定义的时空一致性的特点，提出了计算样本时 空一致性评分的测度，解决了目标遮挡问题。 本专利技术利用对样本局部图像块的稀疏编码来解决光照和目标姿态变化等问题，利 用将目标分块，并在此基础上定义目标图像块的时空一致性来解决局部遮挡问题，而且只 对维度相对较小图像块进行稀疏编码也提高了编码的速度。具体实现步骤如下： 步骤S1 ;样本的采集，本步骤中通过对上一帖跟踪结果的中屯、位置加入高斯扰 动，获得正样本中屯、位置集合，并根据该些中屯、位置的集合在上一帖图像上采集得到正样 本集，并用于当前帖。采集的正样本的尺寸大小与上一帖目标大小相同。具体地：由于本发 明是一个生成式模型，故只需要采集正样本。本专利技术在上一帖目标跟踪结果周围利用高斯 扰动采集正样本，采集到的正样本中屯、满足IlLp。日s-Lp。日I I 其中Lp。日=[Xp。日，ypj是 前帖跟踪本文档来自技高网...
【技术保护点】
一种基于目标时空一致性和局部稀疏表示的跟踪方法，其包括下列步骤：步骤一：根据上一帧跟踪结果的位置利用高斯扰动在上一帧采集得到用于当前帧的正样本集；步骤二：将正样本集中每个正样本分割成图像块并标记，并利用分割得到的图像块学习字典；步骤三：利用所述学习字典对正样本集中每个正样本分割得到的图像块进行稀疏编码，计算具有相同标记的图像块稀疏编码的平均向量；步骤四：利用仿射变换状态变化的运动模型从上一帧的跟踪结果获取当前帧的候选样本集，并对所述候选样本集中的每个候选样本分割成图像块并标记；步骤五：根据对应于正样本集中具有相同标记的图像块稀疏编码的平均向量以及每个候选样本的图像块稀疏编码计算每个候选样本的时空一致性评分；步骤六：基于贝叶斯推理，根据候选样本集中每个候选样本的时空一致性评分确定当前帧的跟踪结果。
【技术特征摘要】
【专利技术属性】
技术研发人员：张文生，杨叶辉，谢源，胡文锐，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。