一種基于稀疏表示的紅外目標(biāo)快速魯棒跟蹤方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種紅外目標(biāo)的快速魯棒跟蹤方法，通過(guò)計(jì)算L1范數(shù)最小化進(jìn)行稀疏求解，計(jì)算其重構(gòu)誤差得到每個(gè)粒子的概率，從而實(shí)現(xiàn)目標(biāo)跟蹤。考慮到這種方法由于字典的維數(shù)過(guò)高，導(dǎo)致求解L1最小化的過(guò)程相當(dāng)耗時(shí)，無(wú)法滿足算法的實(shí)時(shí)性，以及灰度特征易受噪聲、光照變化和相似物體干擾等影響的問(wèn)題，本發(fā)明在壓縮感知的基礎(chǔ)上，基于一種隨機(jī)測(cè)量矩陣對(duì)Harr-like特征進(jìn)行壓縮，不但很好的保持了原始圖像特征，還具備更好的表示能力。用一種基于壓縮感知的特征構(gòu)造字典，計(jì)算量大大減小，同時(shí)能夠更加有效地表示目標(biāo)，克服了光照變化、遮擋、尺度變化、目標(biāo)變形等問(wèn)題，實(shí)現(xiàn)了紅外目標(biāo)的快速魯棒跟蹤。
【專(zhuān)利說(shuō)明】一種基于稀疏表示的紅外目標(biāo)快速魯棒跟蹤方法【技術(shù)領(lǐng)域】[0001]本發(fā)明涉及一種基于稀疏表示的紅外目標(biāo)快速魯棒跟蹤方法。
【背景技術(shù)】
[0002]紅外目標(biāo)跟蹤是紅外預(yù)警系統(tǒng)、跟蹤系統(tǒng)、精確制導(dǎo)系統(tǒng)中的關(guān)鍵技術(shù)。由于遠(yuǎn)距離下目標(biāo)成像面積小，對(duì)比度較低，邊緣模糊，尺寸及形狀變化不定，可檢測(cè)信號(hào)相對(duì)較弱，特別是在非平穩(wěn)復(fù)雜背景干擾下，背景與目標(biāo)常交疊在一起，成像的信噪比較低，使得復(fù)雜背景下紅外目標(biāo)的跟蹤變得很困難。
[0003]紅外圖像序列的目標(biāo)跟蹤算法，大致可以分為確定性方法和隨機(jī)性方法兩大類(lèi)。確定性方法，比如Mean Shift算法等，是通過(guò)尋找目標(biāo)的最優(yōu)匹配來(lái)實(shí)現(xiàn)跟蹤。該方法具有實(shí)時(shí)性好、目標(biāo)匹配迅速等優(yōu)點(diǎn)，但在遮擋等情況下容易陷入局部極值，魯棒性較差。隨機(jī)性方法有卡爾曼濾波，粒子濾波等算法，此類(lèi)方法是通過(guò)對(duì)目標(biāo)的狀態(tài)進(jìn)行估計(jì)而實(shí)現(xiàn)跟蹤。卡爾曼濾波是有效的線性最優(yōu)估計(jì)技術(shù)，但不能處理非線性和非高斯的情況。而粒子濾波方法具有較強(qiáng)的抗遮擋和背景干擾的能力，但計(jì)算量比較大，存在退化現(xiàn)象。
[0004]近兩年，基于稀疏表示理論的目標(biāo)跟蹤方法得到了極大的重視，該方法將目標(biāo)跟蹤問(wèn)題轉(zhuǎn)化為稀疏求解問(wèn)題，取得了較好的效果，為目標(biāo)跟蹤問(wèn)題提供了一個(gè)新的求解思路。經(jīng)典的基于稀疏表示目標(biāo)跟蹤方法的基本思想是以目標(biāo)模板構(gòu)建超完備字典，通過(guò)粒子濾波框架得到候選目標(biāo)，通過(guò)計(jì)算L1范數(shù)最小化進(jìn)行稀疏求解，計(jì)算其重構(gòu)誤差并得到每個(gè)粒子的概率，從而實(shí)現(xiàn)目標(biāo)的跟蹤。這種方法充分利用了圖像的稀疏表示性質(zhì)中對(duì)噪聲和遮擋不敏感的特性，可以有效地減弱背景雜波和噪聲對(duì)于跟蹤算法的不利影響，提高算法的跟蹤性能。但這些算法主要采用圖像模板作為字典，而且為了抵抗遮擋影響而引入了瑣碎模板，從而使得超完備字典的維數(shù)很高，算法復(fù)雜度高，計(jì)算量大，而且圖像原始灰度特征容易受光照以及相似背景等影響。

【發(fā)明內(nèi)容】

[0005]要解決的技術(shù)問(wèn)題
[0006]為了避免現(xiàn)有技術(shù)的不足之處，本發(fā)明提出一種基于稀疏表示的紅外目標(biāo)快速魯棒跟蹤方法，針對(duì)紅外圖像序列中目標(biāo)與背景的對(duì)比度較低、灰度特征易受噪聲、光照變化以及相似物體的干擾影響等問(wèn)題。
[0007]技術(shù)方案
[0008]一種基于稀疏表示的紅外目標(biāo)快速魯棒跟蹤方法，其特征在于步驟如下:
[0009]步驟1:讀取第一幀圖像數(shù)據(jù)以及目標(biāo)塊在第一幀圖像中的參數(shù)[X，y，w，h]，其中X, I表示目標(biāo)中心的橫縱坐標(biāo)，W，h表示目標(biāo)的寬和高；
[0010]步驟2:在第一幀圖像目標(biāo)的周?chē)嚯x為R1的圓形范圍內(nèi)隨機(jī)產(chǎn)生m個(gè)粒子點(diǎn)，并記錄所有m個(gè)粒子點(diǎn)的坐標(biāo)(X^yiM = 1，2，"'m ;每個(gè)粒子代表了一個(gè)目標(biāo)正樣本；在距離目標(biāo)半徑為R2的圓形外，隨機(jī)產(chǎn)生C個(gè)粒子點(diǎn)，并記錄C個(gè)粒子點(diǎn)的坐標(biāo)點(diǎn)(Xj, Yj) j =1，2，…，C ;每個(gè)粒子點(diǎn)代表了一個(gè)目標(biāo)樣本；
[0011]步驟3:將步驟2中產(chǎn)生的每個(gè)目標(biāo)正、負(fù)樣本Z e Rw‘h與一系列不同尺度的矩形濾波器{h1^hli2, -,hw,h}進(jìn)行卷積運(yùn)算；然后，將每種尺度卷積后的目標(biāo)塊拉成一個(gè)維度為wh的列向量；最后，將每種尺度濾波器卷積后得到的列向量組成一個(gè)維度為(w.h)2的列向 x∈R(w-h)2;
[0012]步驟4:米用一個(gè)大小為η X m的稀疏隨機(jī)測(cè)量矩陣R對(duì)列向量x e Riwhr進(jìn)行壓縮，得到低維列向量V e Rn, V = R.χ,將所有粒子對(duì)應(yīng)的列向量V e Rn組合到一起,構(gòu)成一個(gè)大小為ηX (m+c)維的目標(biāo)特征模板V = Iv1, V2,…vm+。}；
[0013]步驟5:讀取下一幀圖像，在上一幀圖像目標(biāo)的周?chē)嚯x為R3的圓形范圍內(nèi)隨機(jī)產(chǎn)生k個(gè)粒子點(diǎn),記錄其坐標(biāo)(xk, yk), k = 1，2，…，K ;每個(gè)粒子點(diǎn)代表了一個(gè)候選目標(biāo),然后根據(jù)上面步驟3和4中的特征表示方法得到k個(gè)候選目標(biāo)Cli e Rn5
[0014]步驟6:首先,對(duì)步驟4得到的目標(biāo)特征模板V = Iv1, V2,…▽-。丨，進(jìn)行單位化處理；
然后，對(duì)于每個(gè)候選目標(biāo)屯，利用目標(biāo)特征模板進(jìn)行表示，即:
[0015]
【權(quán)利要求】
1.一種基于稀疏表示的紅外目標(biāo)快速魯棒跟蹤方法，其特征在于步驟如下: 步驟1:讀取第一幀圖像數(shù)據(jù)以及目標(biāo)塊在第一幀圖像中的參數(shù)[X，y, W，h]，其中X，y表示目標(biāo)中心的橫縱坐標(biāo)，w, h表示目標(biāo)的寬和高； 步驟2:在第一幀圖像目標(biāo)的周?chē)嚯x為R1的圓形范圍內(nèi)隨機(jī)產(chǎn)生m個(gè)粒子點(diǎn)，并記錄所有m個(gè)粒子點(diǎn)的坐標(biāo)(Xi, Yi) i = 1, 2,…，m ;每個(gè)粒子代表了一個(gè)目標(biāo)正樣本；在距離目標(biāo)半徑為R2的圓形外，隨機(jī)產(chǎn)生C個(gè)粒子點(diǎn)，并記錄C個(gè)粒子點(diǎn)的坐標(biāo)點(diǎn)(Xj, Yj) j =.1，2，…，c ;每個(gè)粒子點(diǎn)代表了一個(gè)目標(biāo)樣本； 步驟3:將步驟2中產(chǎn)生的每個(gè)目標(biāo)正、負(fù)樣本z∈rw*·h與一系列不同尺度的矩形濾波器進(jìn)行卷積運(yùn)算；然后，將每種尺度卷積后的目標(biāo)塊拉成一個(gè)維度為wh的列向量；最后，將每種尺度濾波器卷積后得到的列向量組成一個(gè)維度為(w·h)2的列向量x∈R（w-h)2., 步驟4:采用一個(gè)大小為nXm的稀疏隨機(jī)測(cè)量矩陣R對(duì)列向量x∈R（w-h)2進(jìn)行壓縮，得到低維列向量V ∈Rn, V = R·χ,將所有粒子對(duì)應(yīng)的列向量V ∈ Rn組合到一起,構(gòu)成一個(gè)大小為nX (m+c)維的目標(biāo)特征模板V = {v1, V2,…vm+c。}； 步驟5:讀取下一幀圖像，在上一幀圖像目標(biāo)的周?chē)嚯x為R3的圓形范圍內(nèi)隨機(jī)產(chǎn)生k個(gè)粒子點(diǎn)，記錄其坐標(biāo)(xk，yk)，k= 1，2，...，Κ;每個(gè)粒子點(diǎn)代表了一個(gè)候選目標(biāo)，然后根據(jù)上面步驟3和4中的特征表示方法得到k個(gè)候選目標(biāo)di ∈Rn 步驟6:首先，對(duì)步驟4得到的目標(biāo)特征模板V = {v1, V2,…vm+c。}，進(jìn)行單位化處理；然后，對(duì)于每個(gè)候選目標(biāo)屯，利用目標(biāo)特征模板進(jìn)行表示，即:
2.根據(jù)權(quán)利要求1所述基于稀疏表示的紅外目標(biāo)快速魯棒跟蹤方法，其特征在于: 所述R1取2~4。
3.根據(jù)權(quán)利要求1所述基于稀疏表示的紅外目標(biāo)快速魯棒跟蹤方法，其特征在于: 所述m取8~10。
4.根據(jù)權(quán)利要求1所述基于稀疏表示的紅外目標(biāo)快速魯棒跟蹤方法，其特征在于: 所述R2取10~15。
5.根據(jù)權(quán)利要求1所述基于稀疏表示的紅外目標(biāo)快速魯棒跟蹤方法，其特征在于: 所述c取50~70。
6.根據(jù)權(quán)利要求1所述基于稀疏表示的紅外目標(biāo)快速魯棒跟蹤方法，其特征在于: 所述η取50~70。
7.根據(jù)權(quán)利要求1所述基于稀疏表示的紅外目標(biāo)快速魯棒跟蹤方法，其特征在于:所述&取5~10。
【文檔編號(hào)】G06T7/00GK103514600SQ201310419253
【公開(kāi)日】2014年1月15日 申請(qǐng)日期:2013年9月13日 優(yōu)先權(quán)日:2013年9月13日
【發(fā)明者】李映, 李鵬程, 李方軼 申請(qǐng)人:西北工業(yè)大學(xué)