一種自解釋目標(biāo)跟蹤方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001 ] 本發(fā)明涉及通信領(lǐng)域，尤其涉及一種自解釋目標(biāo)跟蹤方法及裝置。
【背景技術(shù)】
[0002] 目標(biāo)跟蹤是現(xiàn)代智能技術(shù)領(lǐng)域的核心技術(shù)之一，在國民經(jīng)濟(jì)甚至國防領(lǐng)域中都有 著廣泛應(yīng)用，目標(biāo)跟蹤的本質(zhì)是給定初始視頻幀上目標(biāo)的運(yùn)動狀態(tài)，在后續(xù)視頻幀序列中 估計目標(biāo)的運(yùn)動狀態(tài)。在一般的目標(biāo)跟蹤方法中，首先生成候選目標(biāo)，然后根據(jù)所生成的候 選目標(biāo)確定候選目標(biāo)表達(dá)方法的模型，再次，確定用以估計一個候選目標(biāo)成為當(dāng)前幀目標(biāo) 可能性的目標(biāo)定位準(zhǔn)則，最后通過在線更新策略更新跟蹤目標(biāo)的最新變化。
[0003] 現(xiàn)有技術(shù)中，可重建的表達(dá)方法越來越多的受到關(guān)注，該可重建的表達(dá)方法經(jīng)由 表達(dá)重建目標(biāo)，該類方法中常見的有子空間表達(dá)和稀疏表達(dá)，子空間表達(dá)和稀疏表達(dá)分別 挖掘了候選目標(biāo)在低維空間的相似關(guān)系和候選目標(biāo)與字典（模板）的近鄰關(guān)系以提升表達(dá) 的精確性。
[0004] 在實現(xiàn)本發(fā)明過程中，發(fā)明人發(fā)現(xiàn)現(xiàn)有技術(shù)中至少存在如下問題：
[0005] 然而，在子空間表達(dá)和稀疏表達(dá)中，候選目標(biāo)在低維空間的相似關(guān)系和候選目標(biāo) 與字典（模板）的近鄰關(guān)系均是單向的，即只使用之前已經(jīng)定位了的目標(biāo)來表達(dá)候選目標(biāo)， 卻沒有考慮候選目標(biāo)之間的相互表達(dá)關(guān)系。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的實施例提供一種自解釋目標(biāo)跟蹤方法及裝置，能夠提高目標(biāo)跟蹤裝置的 精確性和魯棒性。
[0007] 為達(dá)到上述目的，本發(fā)明的實施例采用如下技術(shù)方案：
[0008] 第一方面，提供一種自解釋目標(biāo)跟蹤方法，包括：
[0009] 獲取跟蹤目標(biāo)在當(dāng)前幀的候選目標(biāo)；
[0010] 獲取Nt組目標(biāo)模板T以及Nb組背景模板B中，與每個所述候選目標(biāo)相似性最大的 模板；
[0011] 將每個所述候選目標(biāo)劃分到與所述候選目標(biāo)相似性最大的模板對應(yīng)的類別，其 中，所述類別包含目標(biāo)類別和至少一個背景類別，所有目標(biāo)模板對應(yīng)目標(biāo)類別，每一組背景 模板分別對應(yīng)一個背景類別；
[0012] 對于所述目標(biāo)類別中每個候選目標(biāo)，利用與所述候選目標(biāo)相似性最大的模板以及 與所述候選目標(biāo)相似性最小的背景模板分別計算所述候選目標(biāo)成為目標(biāo)的可能性，將目標(biāo) 可能性最大的候選目標(biāo)定位為當(dāng)前幀目標(biāo)；
[0013] 根據(jù)得到的所述當(dāng)前幀目標(biāo)，更新所述當(dāng)前幀目標(biāo)對應(yīng)的所述目標(biāo)模板T，并根據(jù) 劃分到背景類別中候選目標(biāo)更新所述背景模板B。
[0014] 結(jié)合第一方面，在第一方面的第一種可能的實現(xiàn)方式中，所述獲取Nt組目標(biāo)模板T 以及N b組背景模板B中，與每個所述候選目標(biāo)相似性最大的模板，包括：
[0015] 構(gòu)建包含Nt組目標(biāo)模板T、當(dāng)前幀的候選目標(biāo)C以及Nb組背景模板B的樣本矩陣 X，所述背景模板B包含所述當(dāng)前幀之前的幀視頻序列中預(yù)設(shè)數(shù)量的圖像序列的背景圖像， 所述目標(biāo)模板T包含所述當(dāng)前幀之前的幀序列中提取的預(yù)設(shè)數(shù)量的目標(biāo)圖像；
[0016] 構(gòu)建所述樣本矩陣X的相似性矩陣A ; _7] 根據(jù)nt_g maxγ 獲取Nt組目標(biāo)模板T以及N b組背景模板B中，與每個所 述候選目標(biāo)相似性最大的模板，其中N1= N b+Nt。
[0018] 結(jié)合第一方面的第一種可能的實現(xiàn)方式，在第一方面的第二種可能實現(xiàn)方式中， 所述構(gòu)建所述樣本矩陣X的相似性矩陣A，包括：
[0019] 構(gòu)建所述樣本矩陣X的自解釋低秩約束模型：
[0020] mTnZ(Z). 〃^ = ；(2：'其中，乂為樣本矩陣，2為父的表達(dá)矩陣；
[0021] 對所述樣本矩陣X進(jìn)行圖像矩陣低秩約束分解，得到：
[0022]
[0023] 其中，E為稀疏誤差部分，λ > 〇控制Z的低秩性與E的稀疏誤差的權(quán)重，核范數(shù) |Z| L為矩陣Z中奇異值之和；
[0024] 根據(jù)公式：構(gòu)建所述樣本矩陣X的相似性矩陣Α。
[0025] 結(jié)合第一方面的第二種可能的實現(xiàn)方式，在第一方面的第三種可能實現(xiàn)方式中， 所述根據(jù)公式·
；構(gòu)建所述樣本矩陣X的相似性矩陣A之前還包括計算表達(dá)矩 陣Z的核范數(shù)I |Ζ| |*:
[0026] 將公?
引入松弛變量后，得到：
[0027]
[0028] 其中，Z2為松弛變量，Z1為重命名后的Z ;
[0029] 對公式
使用增強(qiáng)拉格朗日乘子法，得到：
[0030]
[0031] 其中，YjP Y2為拉格朗日乘子，τ > 〇為懲罰項參數(shù)，I卜I I「為F，< ·，· >為 求取兩個矩陣的內(nèi)積；
[0032] 通過迭代算法求取最小化函數(shù)UZ1, Z2, E)得到Z1，從而得到表達(dá)矩陣Z。
[0033] 結(jié)合第一方面的第三種可能的實現(xiàn)方式，在第一方面的第四種可能實現(xiàn)方式中， 所述通過迭代算法求取最小化函數(shù)UZ 1, Z2, E)得到Z1，包括： CN 105139422 A 說明書 3/17 頁
[0034] 利用閾值收縮算法
進(jìn)行迭代計算得 到：
[0035]
[0036]
[0037]
[0038] 其中，Z1' Z/及E $分別為使L(Z η Z2, E)最小的最優(yōu)解；
[0039] 當(dāng)所述迭代算法滿足相鄰再次迭代中UZ1, Z2, E)差距為0. 001-0. 01時或迭代次 數(shù)超過所允許的最大值50-100時，該迭代算法停止迭代。
[0040] 結(jié)合第一方面，在第一方面的第五種可能實現(xiàn)方式中，所述對于所述目標(biāo)類別中 每個候選目標(biāo)，利用與所述候選目標(biāo)相似性最大的模板以及與所述候選目標(biāo)相似性最小的 背景模板分別計算所述候選目標(biāo)成為目標(biāo)的可能性，將目標(biāo)可能性最大的候選目標(biāo)定位為 當(dāng)前幀目標(biāo)，包括：
[0041] 根據(jù)
公式計算利用與 所述候選目標(biāo)相似性最大的模板以及與所述候選目標(biāo)相似性最小的背景模板分別計算所 述候選目標(biāo)成為目標(biāo)的可能性L1 (c);
[0042] 其中，c為候選目標(biāo)，σ為指數(shù)函數(shù)的尺度，p和β為相應(yīng)項的權(quán)重參數(shù)，e.為重 建的候選目標(biāo)，t為候選目標(biāo)c的目標(biāo)描述符，bk為與所述候選目標(biāo)相似性最小的背景模板 的背景描述符，ej為候選目標(biāo)c的表達(dá)誤差e的第j個元素；
[0043] 根據(jù)公式最小化所述候選目標(biāo)成為目標(biāo)的可能性L1 (c)，其 中，Ne為使用的目標(biāo)模板組數(shù)；
[0044] 根據(jù)公式
將所述當(dāng)前幀中所有候選目標(biāo)中概率分布最大 的確定為當(dāng)前幀目標(biāo)，其中，C為當(dāng)前幀中所有候選目標(biāo)的集合。
[0045] 結(jié)合第一方面，在第一方面的第六種可能實現(xiàn)方式中，所述根據(jù)得到的所述當(dāng)前 幀目標(biāo)，更新所述當(dāng)前幀目標(biāo)對應(yīng)的所述目標(biāo)模板Τ，包括：
[0046] 計算所述當(dāng)前幀目標(biāo)與所述第1組目標(biāo)模板之間的相關(guān)性；
[0047] 當(dāng)所述當(dāng)前幀目標(biāo)與所述第1組目標(biāo)模板之間的相關(guān)性小于預(yù)先定義的閾值Θ k， 用所述當(dāng)前幀目標(biāo)替換所述相關(guān)性最小的目標(biāo)模板。
[0048] 結(jié)合第一方面，在第一方面的第七種可能實現(xiàn)方式中，所述背景模板B由每一幀 的目標(biāo)區(qū)域向m個方向平移該目標(biāo)區(qū)域?qū)挾然蚋叨鹊?0% -30%個像素而得到，其m個方 向由在[0° ,360° )方向范圍內(nèi)均勻采樣得到，其中，6彡m彡10。
[0049] 第二方面，本發(fā)明實施例提供了一種自解釋目標(biāo)跟蹤裝置，包括：
[0050] 獲取單元，用于獲取跟蹤目標(biāo)在當(dāng)前幀的候選目標(biāo)；
[0051] 計算單元，用于獲取Nt組目標(biāo)模板T以及Nb組背景模板B中，與每個所述候選目 標(biāo)相似性最大的模板；
[0052] 分類單元，用于將每個所述候選目標(biāo)劃分到與所述候選目標(biāo)相似性最大的模板對 應(yīng)的類別，其中，所述類別包含目標(biāo)類別和至少一個背景類別，所有目標(biāo)模板對應(yīng)目標(biāo)類 另IJ，每一組背景模板分別對應(yīng)一個背景類別；
[0053] 定位單元，用于對于所述目標(biāo)類別中每個候選目標(biāo)，利用與所述候選目標(biāo)相似性 最大的模板以及與所述候選目標(biāo)相似性最小的背景模板分別計算所述候選目標(biāo)成為目標(biāo) 的可能性，將目標(biāo)可能性最大的候選目標(biāo)定位為當(dāng)前幀目標(biāo)；
[0054] 更新單元，用于根據(jù)得到的所述當(dāng)前幀目標(biāo)，更新所述當(dāng)前幀目標(biāo)對應(yīng)的所述目 標(biāo)模板T，并根據(jù)劃分到背景類別中候選目標(biāo)更新每個所述背景模板B。
[0055] 結(jié)合第二方面，在第二方面的第一種可能實現(xiàn)方式中，所述計算單元，包括：
[0056] 第一構(gòu)建模塊，用于構(gòu)建包含Nt組目標(biāo)模板T、當(dāng)前幀的候選目標(biāo)C以及N b組背 景模板B的樣本矩陣X，所述背景模板B包含所述當(dāng)前幀之前的幀視頻序列中預(yù)設(shè)數(shù)量的圖 像序列的背景圖像，所述目標(biāo)模板T包含所述當(dāng)前幀之前的幀序列中提取的目標(biāo)圖像；
[0057] 第二構(gòu)建模塊，用于構(gòu)建所述樣本矩陣X的相似性矩陣A ;
[0058] 計算模塊，用于根據(jù)HWgnMx#% {4^獲取Nt組目標(biāo)模板T以及N b組背景模板 B中，與每個所述候選目標(biāo)相似性最大的模板，其中N1= Nb+Nt。
[0059] 結(jié)合第二方面的第一種可能實現(xiàn)方式，在第二方面的第二種可能實現(xiàn)方式中，所 述第二構(gòu)建模塊具體用于：
[0060] 構(gòu)建所述樣本矩陣X的自解釋低秩約束模型，niJnY M· 'Y = f ^其中，X為 樣本矩陣，Z為X的表達(dá)矩陣；
[0061] 對所述樣本矩陣X進(jìn)行圖像矩陣低秩約束分解，得到：
[0062]
[0063] 其中，E為稀疏誤差部分，λ > 〇控制Z的低秩性與E的稀疏誤差的權(quán)重，核范數(shù) |Z| L為矩陣Z中奇異值之和；
[0064] 根據(jù)公式
構(gòu)建所述樣本矩陣X的相似性矩陣Α。
[0065] 結(jié)合第二方面的第二種可能實現(xiàn)方式，在第二方面的第三種可能實現(xiàn)方式中，所 述第二構(gòu)建模塊還包括計算表達(dá)矩陣Z的核范