一种基于自适应测量矩阵的视频目标跟踪方法
【专利摘要】本发明公开了一种基于自适应测量矩阵的视频目标跟踪方法，包括：选定跟踪区域；根据所述选定跟踪区域构建压缩感知采样所需的自适应测量矩阵；计算与所述自适应测量矩阵中所有非零元素对应的参数；为待跟踪目标构建朴素贝叶斯分类器H作为目标分类器，并初始化目标分类器；输入新视频帧并依据所述目标分类器对候选目标的压缩测量向量进行评价进而确定跟踪结果；根据所述跟踪结果更新目标分类器；根据是否有后续视频帧判别跟踪是否继续。本发明所提出的方法可以获得更为准确和快速的跟踪效果。
【专利说明】一种基于自适应测量矩阵的视频目标跟踪方法
【技术领域】
[0001] 本发明涉及一种视频目标跟踪系统，特别是一种基于自适应测量矩阵的视频目标 跟踪方法。
【背景技术】
[0002] 视频目标跟踪是指借助目标的独特信息如颜色、纹理、形状等，从视频帧序列中分 析感兴趣的特定目标的运动参数及轨迹，如目标的位置、大小、形状、速度、加速度等，其是 计算机视觉系统的核心任务之一，在智能视频监控、人机交互、医学诊断、机器人导航等众 多领域有着广泛的应用前景。然而，在实际复杂应用场景中，光照变化、阴影、遮挡、运动突 变、背景混乱等各种因素给视频目标跟踪技术带来了极大的挑战。为了适应实际应用领域 的各种需求，既准确又快速的视频目标跟踪技术成为了学术界和产业界广泛关注的热点问 题之一。
【发明内容】
[0003] 为了克服现有技术中的缺陷，解决上述技术问题，本发明提供一种既准确又快速 的视频目标跟踪方法。
[0004] 本发明提供一种基于自适应测量矩阵的视频目标跟踪方法，步骤包括：
[0005] 选定跟踪区域；
[0006] 根据所述选定跟踪区域构建压缩感知采样所需的自适应测量矩阵；
[0007] 计算与所述自适应测量矩阵中所有非零元素对应的参数；
[0008] 为待跟踪目标构建朴素贝叶斯分类器Η作为目标分类器，并初始化目标分类器；
[0009] 输入新视频帧并依据所述目标分类器对候选目标的压缩测量向量进行评价进而 确定跟踪结果；
[0010] 根据所述跟踪结果更新目标分类器；
[0011] 根据是否有后续视频帧判别跟踪是否继续。
[0012] 所述选定跟踪区域的步骤具体包括：
[0013] 设定视频帧左上角为坐标原点；
[0014] 选定视频帧序列第一帧中待跟踪目标并通过矩形区域标识所述待跟踪目标。
[0015] 所述根据选定跟踪区域构建压缩感知采样所需的自适应测量矩阵具体包括：
[0016] 首先根据下述公式计算出测量矩阵的列数：
[0017]
【权利要求】
1. 一种基于自适应测量矩阵的视频目标跟踪方法，其特征在于，包括： 选定跟踪区域； 根据所述选定跟踪区域构建压缩感知采样所需的自适应测量矩阵； 计算与所述自适应测量矩阵中所有非零元素对应的参数； 为待跟踪目标构建朴素贝叶斯分类器Η作为目标分类器，并初始化目标分类器； 输入新视频帧并依据所述目标分类器对候选目标的压缩测量向量进行评价进而确定 跟踪结果； 根据所述跟踪结果更新目标分类器； 根据是否有后续视频帧判别跟踪是否继续。
2. 如权利要求1所述的一种基于自适应测量矩阵的视频目标跟踪方法，其特征在于， 所述选定跟踪区域的步骤具体包括： 设定视频巾贞左上角为坐标原点； 选定视频帧序列第一帧中待跟踪目标并通过矩形区域标识所述待跟踪目标。
3. 如权利要求1所述的一种基于自适应测量矩阵的视频目标跟踪方法，其特征在于， 所述根据选定跟踪区域构建压缩感知采样所需的自适应测量矩阵具体包括： 首先根据下述公式计算出测量矩阵的列数：
其中，η是Haar-like特征向量的维数，WXH是被跟踪目标矩形区域的尺寸，wXh是构 建Haar-like特征的矩形特征尺寸，= 和Γ = ΙΛ/Α」分别是水平方向和垂直方向 上最大的尺度系数； 其次根据下述公式计算出测量矩阵的行数：
其中η为所述测量矩阵的列数，Κ为Haar-like特征向量的稀疏程度，c为依赖于具体 信号的小数值常量且取c=l/lnn ; 最后依据稀疏程度为s=n/lnn的稀疏随机高斯矩阵计算所述测量矩阵的元素，所述测 量矩阵（i，j)位置的元素轉》Λ?%可以表示为：
所述测量矩阵是稀疏的，每行元素中非零元素的个数为个，整个测量矩阵非零元 素的个数为个，其余元素皆为零，所述测量矩阵的行数、列数、稀疏程度都随着待跟 踪目标矩形区域的尺寸自适应地变化。
4. 如权利要求1所述一种基于自适应测量矩阵的视频目标跟踪方法，其特征在于，所 述计算与所述自适应测量矩阵中所有非零元素对应的参数包括 ：Haar-like矩形特征的特 征模板、水平尺度系数、垂直尺度系数和外接矩形区域。
5. 如权利要求1所述一种基于自适应测量矩阵的视频目标跟踪方法，其特征在于，所 述为待跟踪目标构建的朴素贝叶斯分类器Η作为目标分类器，并初始化目标分类器包括设 置目标分类器初始值和更新目标分类器。
6. 如权利要求1所述一种基于自适应测量矩阵的视频目标跟踪方法，其特征在于，所 述输入新视频帧并确定跟踪结果具体包括： 粗略确定：根据上一视频帧跟踪结果得到一组网格点，并以该组网格点为中心得到一 组候选目标，然后得到每个候选目标的压缩测量向量，根据所述目标分类器得到每个候选 目标的可信度，可信度最高的候选目标即为当前帧的粗略跟踪结果； 准确确定：根据所述粗略跟踪结果矩形区域得到一组网格点，并以该组网格点为中心 可以得到一组候选目标，然后得到所述每个候选目标的压缩测量向量，根据所述目标分类 器得到每个候选目标的可信度，可信度最高的候选目标即为当前帧的准确跟踪结果。
7. 如权利要求1所述一种基于自适应测量矩阵的视频目标跟踪方法，其特征在于，所 述根据所述跟踪结果更新目标分类器的方法为：根据当前帧的跟踪结果，采用初始化目标 分类器过程中更新目标分类器的方法对目标分类器进行更新。
8. 如权利要求1所述一种基于自适应测量矩阵的视频目标跟踪方法，其特征在于，所 述根据是否有后续视频帧判别跟踪是否继续的判别方法为： 如果仍有后续视频帧，则重新确定跟踪结果；如果没有后续视频帧，则跟踪结束。
【文档编号】G06T7/20GK104299247SQ201410544953
【公开日】2015年1月21日 申请日期:2014年10月15日 优先权日:2014年10月15日
【发明者】高赟, 周浩, 张学杰 申请人:云南大学