一种基于加权局部余弦相似度的目标跟踪算法的制作方法

本发明属于视觉跟踪领域，涉及一种基于加权局部余弦相似度的目标跟踪算法。

背景技术：

目标跟踪是计算机视觉领域中一个非常热门的研究课题，原因在于它在车辆导航、交通监控和人机交互等方面具有重要的意义。尽管目标跟踪这个课题被研究了几十年，许许多多的跟踪算法被提出，但是它仍然是一个非常具有挑战性的问题。因为目标受各种因素的干扰，例如，光照变化、姿态变化、完全或部分遮挡以及突然的运动等等。因此，在上述因素的干扰下，开发一个高性能跟踪系统是一个具有挑战性的问题。

那么，为了解决这些问题，本发明提出了一种基于加权局部余弦相似度的目标跟踪算法。该算法用局部余弦相似度来衡量目标模板和候选模板的相似程度；为了给每个局部的判别能力建模，该算法中设计了一个目标函数，然后通过二次规划方法解决这个函数获得每一个局部的判别权值；之后设计了一个简单的方法来对目标模板进行更新，以适应目标外观的变化。

技术实现要素：

本发明提出了一种基于加权局部余弦相似度的目标跟踪算法，目的在于克服上述现有技术的不足，得到一种新颖的、鲁棒性高和准确率高的目标跟踪算法。

为了实现上述目的，本发明的技术方案为：

一种基于加权局部余弦相似度的目标跟踪算法，包括以下步骤：

第一步，取第t帧图像o，将图像通过下式(1)

gray(o)＝r(o)(1)

从rgb色彩空间映射到灰度值空间，其中r为图像o的r通道；

第二步，根据上一帧跟踪结果通过随机漫步的方式进行采样，得到一个候选集y即一个图像块集合d^r＝{z|||i(z)-it-1||＜r}，其中，it-1为t-1帧中目标的位置，r为采样范围；

第三步，将目标模板划分为m个局部块，即其中为第i个局部块且m＝d/l，同样将获得的每一个候选模板进行以上相同的处理，即第j个候选模板为

第四步，基于it-1，在当前帧中采样得到正负样本集dα＝{z|||i(z)-it||＜α}和其中在算法中，α＝1，β＝10；

第五步，通过下列一个目标函数(2)和加权余弦相似度(3)求解权值向量w

其中swl(t,y^j)为加权局部余弦相似度，为余弦相似度，wi代表第i个局部块的判别权值，和分别代表正负样本加权局部余弦相似度的平均值，为正则化项，w'＝(w′1,w'2,…,w'm)代表指示向量；

第六步，对于每一个候选模板，通过下式(4)来计算其时目标的可能性

可能性最大的所对应的那个候选模板就是跟踪到的目标，位置记为it；

第七步，基于it，摘取相应的图像块通过下式(5)对目标模板进行更新

其中，ε＝0.85为预定义阈值，η＝0.95为更新参数；

第八步，输出第t帧跟踪到的目标位置it和更新后的目标模板。

本发明的有益效果为：该方法区别于已有方法的特色在于，用局部余弦相似度来衡量目标模板和候选模板的相似程度；为了给每个局部的判别能力建模，该算法中设计了一个目标函数，然后通过二次规划方法解决这个函数获得每一个局部的判别权值；之后设计了一个简单的方法来对目标模板进行更新，以适应目标外观的变化。该算法在各种干扰因素下具有鲁棒性和准确性。

附图说明

图1是本发明方法的流程示意图。

具体实施方式

下面结合附图对本发明的实施方式进行详细说明，并给出了详细的实施方式和具体的操作过程。

实验平台为win10，实验环境为matlabr2012a。实现本发明的具体步骤为：

第一步，取第t帧图像o，将图像通过下式(1)

gray(o)＝r(o)(1)从rgb色彩空间映射到灰度值空间，其中r为图像o的r通道；

第二步，根据上一帧跟踪结果通过随机漫步的方式进行采样，得到一个候选集y即一个图像块集合d^r＝{z|||i(z)-it-1||＜r}，其中，it-1为t-1帧中目标的位置，r为采样范围；

第三步，将目标模板划分为m个局部块，即其中为第i个局部块且m＝d/l，同样将获得的每一个候选模板进行以上相同的处理，即第j个候选模板为

第四步，基于it-1，在当前帧中采样得到正负样本集dα＝{z|||i(z)-it||＜α}和其中在算法中，α＝1，β＝10；

第五步，通过下列一个目标函数(2)和加权余弦相似度(3)求解权值向量w

其中swl(t,y^j)为加权局部余弦相似度，为余弦相似度，wi代表第i个局部块的判别权值，和分别代表正负样本加权局部余弦相似度的平均值，为正则化项，w'＝(w′1,w'2,…,w'm)代表指示向量；

第六步，对于每一个候选模板，通过下式(4)来计算其时目标的可能性

可能性最大的所对应的那个候选模板就是跟踪到的目标，位置记为it；

第七步，基于it，摘取相应的图像块通过下式(5)对目标模板进行更新

其中，ε＝0.85为预定义阈值，η＝0.95为更新参数；

第八步，输出第t帧跟踪到的目标位置it和更新后的目标模板。

该算法在各种干扰因素下具有鲁棒性和准确性。