粒子組成新的矩陣X e Rdxn，其中 n?n〇〇
[0112] 步驟13,篩選后的侯選目標(biāo)粒子基于模板字典的線性表示：
[0113] 經(jīng)篩選后的侯選目標(biāo)粒子能夠被模板字典（目標(biāo)模板集和背景模板集）線性表 示。通過(guò)對(duì)第一幀手動(dòng)標(biāo)出的目標(biāo)對(duì)象坐標(biāo)加1或者減1產(chǎn)生目標(biāo)模板集
，同時(shí) 在標(biāo)出的目標(biāo)對(duì)象一定半徑外隨機(jī)采樣產(chǎn)生背景模板集A 把目標(biāo)模板集和背景 模板集組合成模板字典
其中η。和n b分別為目標(biāo)模板集和背景模板 集中目標(biāo)模板和背景模板的個(gè)數(shù)，d為模板灰度向量化的維數(shù)。為應(yīng)對(duì)目標(biāo)外觀的變化，防 止跟蹤發(fā)生漂移，模板字典必須在跟蹤過(guò)程中更新。經(jīng)篩選后的候選目標(biāo)粒子組成的矩陣 X能夠被模板字典線性表示，公式表示為：X = DZ+E，其中X為篩選后的獲選目標(biāo)粒子組成 觀測(cè)矩陣，D為模板字典，Z為線性系數(shù)矩陣，E為誤差矩陣。
[0114] 步驟14)，線性系數(shù)矩陣的低秩稀疏數(shù)學(xué)模型：
[0115] 利用線性系數(shù)矩陣固有屬性和前后幀目標(biāo)對(duì)象線性表示系數(shù)一致性建立求解該 系數(shù)矩陣的數(shù)學(xué)模型的特征在于，該線性系數(shù)矩陣Z具有低秩、稀疏、行稀疏屬性，同時(shí)系 數(shù)矩陣Z的每一列都減去前一幀目標(biāo)對(duì)象的線性表示系數(shù)z。后具有列稀疏性。據(jù)此，建立 如下的關(guān)于系數(shù)矩陣的數(shù)學(xué)模型：
[01 1 6] λ i I I Z I I *+ λ 2 I I Z I I 2+ λ 3 I I Z I I λ 4 I I Z-Z0 I I 2, !+ λ 5 I I E I I ！
[0117] s. t. X = DZ+Ε (式 I)
[0118] 其中，X為篩選后的候選目標(biāo)粒子組成的觀測(cè)矩陣，每一列代表一個(gè)候選目標(biāo)粒 子；D為模板字典，包括目標(biāo)模板集和背景模板集；Z為線性系數(shù)矩陣，E為誤差矩陣；矩陣Z。 =ZidIt的每一列都是Z。，11 z I L是矩陣z核范數(shù)，其值等于z的奇異值之和，用來(lái)約束z的 秩，I I Z I IP1 q是矩陣Z的p，q范數(shù)，公式表示如下：
[0120] 其中[Zilu為矩陣Z的第i行第j個(gè)元素 ，p = 1，q = 2時(shí)約束Z行稀疏，p = 2, q =1約束Z列稀疏，p = 1，q = 1約束Z稀疏。
[0121] 步驟15)，基于不精確拉格朗日乘子優(yōu)化算法求解系數(shù)矩陣：為了在保證求解系 數(shù)矩陣精度的同時(shí)保證算法的收斂速度，本發(fā)明采樣不精確拉格朗日乘子優(yōu)化算法求解 (式1)中系數(shù)矩陣。為了解（式1)中復(fù)雜的目標(biāo)函數(shù)，我們引進(jìn)了四個(gè)等式約束：
[0128] 利用增廣拉格朗日乘子法合并（式2)中等式約束和目標(biāo)函數(shù)，得到拉格朗日函數(shù) 如下：
[0131] 其中，Y1, Y2, Y3, Y4, Y5為拉格朗日乘數(shù)，μ為大于0的懲罰參數(shù)。（式3)能夠通過(guò) 一個(gè)封閉的迭代操作進(jìn)行優(yōu)化求出系數(shù)矩陣，算法過(guò)程如下：
[0132] 輸入：X，D，Ζ。，λ I., ρ，μ，ymax，e
[0133] 輸出：Z, E
[0134] I.初始化 Z，Z1, ...4, EJ1^5為 0 矩陣；
[0135] 2. while (norm(X_D*Z_E，' fro'）> e)

[0148] 在上述算法中，X為篩選后的候選目標(biāo)粒子組成的觀測(cè)矩陣，每一列代表一個(gè)候 選目標(biāo)粒子；D為模板字典，包括目標(biāo)模板集和背景模板集；Z為線性系數(shù)矩陣，E為誤差矩 陣；Zli...^4為與Z等價(jià)的中間變量，Y 為拉格朗日乘數(shù)；μ為懲罰參數(shù)，P，ymax, e為常 數(shù)參數(shù)，本發(fā)明中設(shè)定 μ = 10 6，P = 1. 1，ymax = 101。，e = 10 s;S E (Q)、DE (Q)、TE (Q)、 We (Q)是關(guān)于矩陣Q和參數(shù)ε的函數(shù)，公式如下：
[0149] Se (Q) = max(|Q|_ ε，〇)sgn(Q)，其中 sgn( ·)為符號(hào)函數(shù)
[0150] D E (Q) = US Ε (Σ) Vt，其中 Q = U Σ Vt為奇異值分解
[0151] I\(Q)，其中qi為矩陣Q的第i列，當(dāng)τ < I |q」|2時(shí)，T T(Q)的第i列為
[0152] 否則，I\ (Q)的第i列為零向量。
[0153] WT(Q)，其中Q1為矩陣Q的第i行，當(dāng)τ < I |q」|2時(shí)，W T(Q)的第i行為
[0154] 否則，I\ (Q)的第i行為零向量。
[0155] 步驟16)，根據(jù)判別函數(shù)選出最佳的候選目標(biāo)作為跟蹤結(jié)果：
[0156] 利用不精確拉格朗日乘子優(yōu)化算法求解系數(shù)矩陣Z，候選目標(biāo)粒子的表示系數(shù) Zk(即系數(shù)矩陣Z的第k列）由目標(biāo)模板集上的系數(shù)<和背景模板集上的系數(shù)考兩部分組 成。如果一個(gè)候選粒子在目標(biāo)模板集上有較小的重構(gòu)誤差，在背景模板集上有較大的重構(gòu) 誤差，就認(rèn)為該候選粒子為跟蹤的目標(biāo)。判別函數(shù)的公式如下：
[0158] 上式中
為候選目標(biāo)粒子X(jué)k在目標(biāo)模板集D ^上的重構(gòu)誤差，
」為候選目標(biāo)粒子X(jué)k在背景模板集D J:的重構(gòu)誤差，使判別函數(shù)最大的候 選目標(biāo)粒子^作為當(dāng)前幀的跟蹤結(jié)果y t。
[0159] 步驟17)，在線更新模板字典：
[0160] 為應(yīng)對(duì)目標(biāo)外觀的變化和背景變化，防止跟蹤發(fā)生漂移，模板字典在跟蹤過(guò)程需 進(jìn)行更新。模板字典的更新包括目標(biāo)模板集的更新和背景模板集的更新。目標(biāo)模板集的更 新流程如圖2所示，具體步驟如下：
[0161] a :yt是當(dāng)前幀的跟蹤結(jié)果（即使判別函數(shù)最大的候選目標(biāo)粒子X(jué) J ;
[0162] b :彳是當(dāng)前幀的跟蹤結(jié)果yt或者X i在目標(biāo)模板集上的線性表示系數(shù)；
[0163] c :W 是當(dāng)前權(quán)重，wk- I |〇。（:，1〇 I |2;
[0164] d:T為定義的閾值；
[0165] e :根據(jù)4更新權(quán)值
[0166] f :if (cc^ypD。!；:，!]!)〉彡τ )，這里的cos為余弦相似度函數(shù)，
[0170] j ：end if
[0171] k :歸一化w，使得w的和為I ;
[0172] 1 :調(diào)整 w，使得 max(w) = 0· 3 ;
[0173] 111:歸一化0。（:，1〇，使得||〇。（:，1〇|| 2-^。
[0174] 背景模板集的更新：背景模板集每一次要完全更新，更新過(guò)程很簡(jiǎn)單，以當(dāng)前幀目 標(biāo)對(duì)象的中心為圓心，在大于r小于R的圓環(huán)內(nèi)隨機(jī)采樣mb個(gè)與當(dāng)前跟蹤的目標(biāo)一樣大的 圖像塊作為背景模板集。
[0175] 本發(fā)明利用候選目標(biāo)粒子與前面跟蹤結(jié)果的余弦相似性濾去離異候選目標(biāo)粒子， 這樣不僅減少了后續(xù)過(guò)程中需處理的候選目標(biāo)粒子數(shù)目，降低了計(jì)算復(fù)雜度，加快了跟蹤 速度，而且能更好的保證模型中系數(shù)矩陣低秩、稀疏、行稀疏以及前后幀目標(biāo)對(duì)象線性表示 系數(shù)一致性，使得提出的線性系數(shù)矩陣低秩稀疏數(shù)學(xué)模型更加魯棒。本發(fā)明的視頻目標(biāo)對(duì) 象跟蹤方法克服了現(xiàn)有方法在目標(biāo)對(duì)象發(fā)生光照變化、尺度變化、遮擋、變形、運(yùn)動(dòng)模糊、快 速運(yùn)動(dòng)、旋轉(zhuǎn)、背景雜波、低分辨率等情況下跟蹤不準(zhǔn)確甚至漂移的缺陷。例如，圖3是本方 法對(duì)公路上的小汽車(chē)進(jìn)行跟蹤的效果圖，小汽車(chē)在行進(jìn)過(guò)程中發(fā)生了尺度變化、光照變化、 運(yùn)動(dòng)模糊、快速運(yùn)動(dòng)等情況；圖4是本方法對(duì)足球運(yùn)動(dòng)員的跟蹤效果圖，在該視頻中運(yùn)動(dòng)員 發(fā)生了尺度變化，變形、遮擋、背景雜波等情況；圖5是本方法對(duì)一個(gè)女孩的跟蹤效果圖，在 該視頻中女孩發(fā)生了背景變化，旋轉(zhuǎn)，遮擋等情況。由于空間限制，附圖3、4、5只列出了視 頻中一些跟蹤結(jié)果幀。
[0176] 雖然本發(fā)明所揭露的實(shí)施方式如上，但所述的內(nèi)容僅為便于理解本發(fā)明而采用的 實(shí)施方式，并非用以限定本發(fā)明。任何本發(fā)明所屬領(lǐng)域內(nèi)的技術(shù)人員，在不脫離本發(fā)明所揭 露的精神和范圍的前提下，可以在實(shí)施的形式及細(xì)節(jié)上進(jìn)行任何的修改與變化，但本發(fā)明 的專(zhuān)利保護(hù)范圍，仍須以所附的權(quán)利要求書(shū)所界定的范圍為準(zhǔn)。
【主權(quán)項(xiàng)】
1. 一種魯棒性的視頻目標(biāo)對(duì)象跟蹤方法，用于對(duì)視頻中標(biāo)定的目標(biāo)對(duì)象進(jìn)行連續(xù)跟 蹤，其特征在于，包括以下步驟： 步驟11)，基于粒子濾波重要性采樣原理，采樣獲取當(dāng)前幀第t幀的候選目標(biāo)粒子； 步驟 12)，基于候選目標(biāo)粒