基于視頻傳感器網(wǎng)絡(luò)的自適應(yīng)目標(biāo)壓縮感知融合跟蹤方法
【專利摘要】本發(fā)明涉及一種基于視頻傳感器網(wǎng)絡(luò)的自適應(yīng)目標(biāo)壓縮感知融合跟蹤方法，本發(fā)明構(gòu)建包括若干不同視角的視頻節(jié)點(diǎn)的視頻傳感器網(wǎng)絡(luò)測(cè)試系統(tǒng)；根據(jù)若干視頻節(jié)點(diǎn)中每個(gè)視頻節(jié)點(diǎn)在起始時(shí)刻的圖像稀疏度，分別計(jì)算各視頻節(jié)點(diǎn)的測(cè)量初始值來對(duì)其初始圖像序列進(jìn)行壓縮感知CS采樣；采用圖像的方差的期望作為閾值，通過第t幀圖像的測(cè)量值，迭代得到各視頻節(jié)點(diǎn)第t+1幀圖像的測(cè)量值來對(duì)其第t幀圖像序列進(jìn)行CS采樣。通過圖像稀疏度調(diào)節(jié)測(cè)量值，從而獲得最優(yōu)采樣量可以以更高的壓縮比對(duì)圖像進(jìn)行壓縮，減少計(jì)算以及通信的數(shù)據(jù)量，結(jié)合跟蹤置信度以及檢測(cè)結(jié)果的多視角圖像融合，可獲得更好的跟蹤精度，以及更長網(wǎng)絡(luò)使用時(shí)間。
【專利說明】基于視頻傳感器網(wǎng)絡(luò)的自適應(yīng)目標(biāo)壓縮感知融合跟蹤方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種目標(biāo)壓縮感知融合跟蹤方法，尤其涉及一種基于視頻傳感器網(wǎng)絡(luò)的自適應(yīng)目標(biāo)壓縮感知融合跟蹤方法。
【背景技術(shù)】
[0002]由于視頻圖像處理以及傳輸數(shù)據(jù)量大，受傳感器節(jié)點(diǎn)資源和能耗的限制，為了延長網(wǎng)絡(luò)壽命，必須要對(duì)圖像數(shù)據(jù)進(jìn)行壓縮以減少計(jì)算量和通信量。
[0003]壓縮感知理論指出:只要信號(hào)是可壓縮的或在某個(gè)變換域是稀疏的，那么就可以用一個(gè)與變換基不相關(guān)的觀測(cè)矩陣將變換所得高維信號(hào)投影到一個(gè)低維空間上，然后通過求解一個(gè)優(yōu)化問題就可以從這些少量的投影中以高概率重構(gòu)出原信號(hào)，可以證明這樣的投影包含了重構(gòu)信號(hào)的足夠信息。解碼所需測(cè)量值的數(shù)目遠(yuǎn)小于傳統(tǒng)理論下的樣本數(shù)。
[0004]如等式(I)所示，壓縮感知CS (Compressive Sensing)以m〈〈n (m為測(cè)量矩陣維度和，η為信號(hào)維度)的測(cè)量矩陣對(duì)信號(hào)進(jìn)行測(cè)量。
[0005]y=φχ=φΨ α=Θ α (I)
[0006]其中α為信號(hào)的稀疏表示，Ψ為稀疏表示矩陣，P為測(cè)量矩陣。
[0007]如果X信號(hào)在某個(gè)變化域具有稀疏性，如等式(2)所示，并且適當(dāng)構(gòu)建Φ。
[0008]α =Ψτχ (2)
[0009]那么可以通過等式(3)來完美恢復(fù)該信號(hào):
【權(quán)利要求】
1.一種基于視頻傳感器網(wǎng)絡(luò)的自適應(yīng)目標(biāo)壓縮感知融合跟蹤方法，其特征在于，包括以下步驟: S1:構(gòu)建包括若干不同視角的視頻節(jié)點(diǎn)的視頻傳感器網(wǎng)絡(luò)測(cè)試系統(tǒng)，通過混合高斯模型GMM構(gòu)建第t幀背景，測(cè)試得到的第t幀視頻序列Xt為第t幀前景圖像和第t幀背景之和，其中 t=0，l，2...； S2:根據(jù)若干視頻節(jié)點(diǎn)中每個(gè)視頻節(jié)點(diǎn)在起始時(shí)刻的圖像稀疏度Ktl，分別計(jì)算各視頻節(jié)點(diǎn)的測(cè)量初始值Mtl來對(duì)其初始圖像序列進(jìn)行壓縮感知CS采樣，得到每個(gè)視頻節(jié)點(diǎn)采樣后初始圖像y。后進(jìn)行S4，其中M0 ^ Ktl1g(IVKtl)，η為信號(hào)維度；S3:采用圖像的方差的期望E(Qt)作為閾值，通過第t幀圖像的測(cè)量值Mt，迭代得到各視頻節(jié)點(diǎn)第t+Ι幀圖像的測(cè)量值Mt+1,
2.如權(quán)利要求1所述的一種基于視頻傳感器網(wǎng)絡(luò)的自適應(yīng)目標(biāo)壓縮感知融合跟蹤方法，其特征在于，S2和S3中還包括以下步驟: 551:當(dāng)各視頻節(jié)點(diǎn)恢復(fù)得到第t幀目標(biāo)圖像后，采用無跡卡爾曼濾波UKF進(jìn)行目標(biāo)跟蹤/[目息的檢測(cè)； 552:將多視頻節(jié)點(diǎn)檢測(cè)到的目標(biāo)跟蹤信息發(fā)送到中心節(jié)點(diǎn)進(jìn)行數(shù)據(jù)融合，第t幀地平面坐標(biāo)[ut，vt]和第t幀像平面坐標(biāo)[xt，yt]之間的映射關(guān)系為:
3.如權(quán)利要求1所述的一種基于視頻傳感器網(wǎng)絡(luò)的自適應(yīng)目標(biāo)壓縮感知融合跟蹤方法，其特征在于，采樣速率m/n至少為25%，其中m為測(cè)量矩陣維度，η為信號(hào)維度。
4.如權(quán)利要求1所述的一種基于視頻傳感器網(wǎng)絡(luò)的自適應(yīng)目標(biāo)壓縮感知融合跟蹤方法，其特征在于，所述圖像稀疏度為=Kt=(Aci1gSJX1)St,其中(λ0，A1) eR2，λ0, A1為函數(shù)模型參數(shù)，R為空間維度大小，St目標(biāo)的像素點(diǎn)數(shù)。
5.如權(quán)利要求1所述的一種基于視頻傳感器網(wǎng)絡(luò)的自適應(yīng)目標(biāo)壓縮感知融合跟蹤方法，其特征在于，S4中還包括通過xft=Δ(Φt,yt-ybt)從采樣后第t幀圖像yt恢復(fù)得到第t幀目標(biāo)圖像革，其中父為采樣后第t幀背景，Δ表示CS的恢復(fù)過程。
6.如權(quán)利要求1所述的一種基于視頻傳感器網(wǎng)絡(luò)的自適應(yīng)目標(biāo)壓縮感知融合跟蹤方法，其特征在于，所述壓縮感知CS采樣為通過第t幀視頻序列Xt由隨機(jī)測(cè)量矩陣在空間域獲得采樣圖像。
【文檔編號(hào)】G06T5/50GK103903242SQ201410148440
【公開日】2014年7月2日 申請(qǐng)日期:2014年4月14日 優(yōu)先權(quán)日:2014年4月14日
【發(fā)明者】方武, 馮蓉珍, 宋志強(qiáng) 申請(qǐng)人:蘇州經(jīng)貿(mào)職業(yè)技術(shù)學(xué)院