本发明专利技术公开了一种基于单帧随机稀疏采样的快速目标搜索算法,属于视觉目标跟踪领域。本发明专利技术在现有的基于粒子滤波的视觉目标跟踪基础上,动态的控制每帧图像采集的样本数,并指导每帧采集的样本逐渐向目标靠近。通过多次测试的结果表明,该方法较于传统方法明显提高了运算速度,并且对于快速变化的目标具有更加稳定的跟踪效果。
【技术实现步骤摘要】
本专利技术涉及视觉跟踪领域,具体涉及到一种新的目标搜索算法。
技术介绍
视觉跟踪技术是通过图像处理的算法实现对视频中某一目标的持续定位跟踪,进而可以判断目标的运动轨迹等行为特征。该技术的主要指标包括速度与鲁棒性,速度指跟踪算法的运算耗时多少,鲁棒性则指跟踪算法是否在各种环境下准确的对目标进行跟踪。跟踪面临的问题包括光照条件改变、遮挡、物体快速运动、运动模糊等,现有跟踪方法包括基于目标运动特征的跟踪算法、基于跟踪序列前后相关性的目标跟踪算法、基于特征点的相关算法、基于目标特征参数的跟踪算法等,这些方法都有各自适用的跟踪条件。近年来兴起的L1范数跟踪是在粒子滤波算法框架上,加入了稀疏表示原理的跟踪方法,这种方法在多种跟踪环境下都表现出较强的鲁棒性。粒子滤波基于蒙特卡罗方法,利用粒子集来表示概率,可以用在任何模式的状态空间模型上。它在非线性、非高斯系统表现出了优越性,在视觉跟踪中广泛的使用这种方法来指导样本的采集,他计算量小,准确度高。现有的基于粒子滤波的跟踪器在同一视频的每一帧都采集相同个数的样本,或根据目标的外形等特征事先预测所需样本数。对于一个用于跟踪的视频来说,目标运动到不同的位置,其光照条件、遮挡情况、背景复杂度等跟踪条件不同,所需要采集的样本数也就不同,不变动采样数去适配每一帧的情况,会出现样本的浪费,或某些帧样本的不足。所需样本数和目标特征、背景情况、光照条件等很多因素相关,难以给出一个十分恰当的预测,故采用预测的方法不能很精准的控制所需样本数。而样本数的多少和跟踪的速度和鲁棒性有直接的关系。此外现有算法每一帧进行一次采样,采样后根据各样本的概率在下一帧进行重采样。由于是处于不同帧,目标状态可能已经发生了改变,故这种重采样只能近似估计下一帧的目标状态,没有充分利用重采样的价值,甚至可能因为样本的分散造成样本浪费过多而跟丢目标,对快速运动物体的跟踪能力也不够强,
技术实现思路
本专利技术的主旨在于通过对样本搜索方法的改进,提高跟踪的速度,并且对快速变化的目标可以更稳定的跟踪。为了解决上述技术问题,达到上述目的,本专利技术采用如下技术方案:一种基于单帧随机稀疏采样的快速目标搜索算法,其中包括如下步骤:步骤1、初始化为后续步骤做准备;步骤2、读取待处理帧fi,其中i表示待处理帧的序号;步骤3、把上帧的跟踪结果做为中心,按高斯随机分布采集M个样本y1~yM;步骤4、计算各个样本为目标的概率上界q1~qM,并以此由高到低确定接下来的样本处理顺序,若概率上界无法计算则使之为1,概率上界相等的样本之间可以按任意方式排序;步骤5、依次计算各样本为目标的概率pi,其中i表示样本的序号,并判断样本概率是否达标,若达标则以此样本作为跟踪结果并直接进入步骤7,若处理完y1~yM无达标的样本,则进入步骤6;步骤6、判断采样数是否达到预设上限,若达到则选取本帧所有样本中概率p最大的样本作为跟踪结果,进入步骤7,否则进行重采样得到新的y1~yM,再退回到步骤4;步骤7、若处理完毕所有待处理帧则结束算法,否则退回步骤2读取下一帧。上述技术方案中,所述步骤3中跟踪结果为可以表示跟踪结果信息的各参数C=(c1,c2,……,cn),具体步骤为:进行M次包含C中元素与从高斯随机分布产生的随机数的算式的运算,得到新的参数C1~CM以代表样本相关信息,以此作为样本或产生样本。上述技术方案中,所述步骤4中样本概率上界qi指步骤5中对对应样本计算的概率pi所可能出现的最大值,若概率上界无法计算则使之为1,概率上界相等的样本之间可以按任意方式排序。。上述技术方案中,所述步骤5中首先令概率上限阈值为0,每个样本处理前都应判断概率上界qi是否超过阈值qth,若未超过直接认为概率pi为0,若超过则计算样本的概率,处理完每个样本要更新概率上界阈值qth。上述技术方案中,所述步骤5中样本达标指计算出的样本概率pi达到预先设定的标准pth,每计算完一个样本或多个样本的概率,判断一次是否有样本达标。上述技术方案中,所述步骤6中重采样指根据各样本所算得的概率pi决定新的样本组CN1~CNM中,复制各样本参数Ci而来的样本的个数,对于CN1~CNM的每个或部分参数,用包含此参数与从高斯随机分布取得的随机数的算式,得到扰动后的参数代替原CN1~CNM中的参数。与现有技术相比,本专利技术具有如下有益效果:本专利技术提出在有样本达标时不再处理剩余样本,减少了冗余样本的处理,可以动态的控制处理的样本数量,且不需要每帧事先预测所需样本数,在保证精度的前提下提高了跟踪的速度。并且提出了单帧多次采样的方法,在单帧重采样的过程实际上是指导样本在状态空间向目标移动的过程,因此相比传统方法对快速变化的目标的跟踪能力明显提高。同时把原本的帧之间的重采样改为只复制上帧跟踪结果并产生高斯随机扰动,以此作为样本,防止样本数量少时,重采样造成的样本过度分散的情况。附图说明图1为一种基于单帧随机稀疏采样的快速目标搜索算法的流程图;图2为一次采样与重采样过程的示意图,注:图2为一张附图,而非多张附图。图3为对快速运动物体的跟踪结果举例。具体实施方式下面对本专利技术的具体实施方式作进一步的描述。步骤1、产生模板T1~TN;步骤2、读取待处理帧fi;步骤3、把上帧的跟踪结果做为中心,按高斯随机分布采集一组样本y1~yM;步骤4、计算各个样本为目标的概率上界q1~qM,并以此由高到低确定接下来的样本处理顺序,概率上界相等的样本之间可以按任意方式排序;步骤5、依次使用模板稀疏表示概率上界达标的样本,使用表示结果计算各样本为目标的概率pi,并判断样本概率是否达标,若达标则进入步骤7,不再处理剩下的样本,若处理完y1~yM无达标的样本,则进入步骤6;步骤6、判断采样数是否达到预设上限,若达到则选取本帧所有样本中概率p最大的样本作为跟踪结果,进入步骤7,否则进行重采样得到新的y1~yM,再退回到步骤4;步骤7、更新模板并退回到步骤2读取下一帧。上述技术方案中,所述步骤1的具体流程为:指定好需要的模板大小X*Y(例如12*15)与个数N(例如10),读入跟踪视频的第一帧,手动输入平行四边形相邻的三个顶点坐标产生原始平行四边形框定待跟踪的物体。将框定的顶点坐标复制N个,对每个坐标加上均值为0,标准差为0.6的高斯随机扰动,产生N个相近的平行四边形,求(1,1)、(1,X)、(Y,1)变换到每个平行四边形三个相邻的顶点坐标的仿射变换矩阵,(1,X)、(Y,1)中的X、Y为模板大小X*Y中的X、Y。公式如下: R = y 1 y 2 y 3 x 本文档来自技高网...
【技术保护点】
一种基于单帧随机稀疏采样的快速目标搜索算法,其特征在于,包括如下步骤:步骤1、初始化为后续步骤做准备;步骤2、读取待处理帧fi,其中i表示待处理帧的序号;步骤3、把上帧跟踪结果做为中心,按高斯随机分布采集M个样本y1~yM;步骤4、计算各个样本为目标的概率上界q1~qM,并以此由高到低确定接下来的样本处理顺序;步骤5、依次计算各样本为目标的概率pi,其中i表示样本的序号,并判断样本概率是否达标,若达标则以此样本作为跟踪结果并直接进入步骤7,若处理完y1~yM无达标的样本,则进入步骤6;步骤6、判断采样数是否达到预设上限,若达到则选取本帧所有样本中概率p最大的样本作为跟踪结果,进入步骤7,否则进行重采样得到新的y1~yM,再退回到步骤4;步骤7、若处理完毕所有待处理帧则结束算法,否则退回步骤2读取下一帧。
【技术特征摘要】
1.一种基于单帧随机稀疏采样的快速目标搜索算法,其特征在于,包括如下步骤:步骤1、初始化为后续步骤做准备;步骤2、读取待处理帧fi,其中i表示待处理帧的序号;步骤3、把上帧跟踪结果做为中心,按高斯随机分布采集M个样本y1~yM;步骤4、计算各个样本为目标的概率上界q1~qM,并以此由高到低确定接下来的样本处理顺序;步骤5、依次计算各样本为目标的概率pi,其中i表示样本的序号,并判断样本概率是否达标,若达标则以此样本作为跟踪结果并直接进入步骤7,若处理完y1~yM无达标的样本,则进入步骤6;步骤6、判断采样数是否达到预设上限,若达到则选取本帧所有样本中概率p最大的样本作为跟踪结果,进入步骤7,否则进行重采样得到新的y1~yM,再退回到步骤4;步骤7、若处理完毕所有待处理帧则结束算法,否则退回步骤2读取下一帧。2.根据权利要求1所述的一种基于单帧随机稀疏采样的快速目标搜索算法,其特征在于,所述步骤3中跟踪结果为可以表示跟踪结果信息的各参数C=(c1,c2,……,cn),具体步骤为:进行M次包含C中元素与从高斯随机分布产生的随机数的算式的运算,得到新的参数C1~CM以代表样本相关信息,以此作为样本或产生样本。3....
【专利技术属性】
技术研发人员:刘伟良,彭真明,余娟,刘勇,黄张英,郑焱真,张萍,
申请(专利权)人:电子科技大学,
类型:发明
国别省市:四川;51
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。