主权项 |
1.一种基于稀疏表示的红外目标快速鲁棒跟踪方法,其特征在于步骤如下: 步骤1:读取第一帧图像数据以及目标块在第一帧图像中的参数[x,y,w,h],其中x,y表示目标中心的横纵坐标,w,h表示目标的宽和高; 步骤2:在第一帧图像目标的周围距离为R<sub>1</sub>的圆形范围内随机产生m个粒子点,并记录所有m个粒子点的坐标(x<sub>i</sub>,y<sub>i</sub>)i=1,2,…,m;每个粒子代表了一个目标正样本;在距离目标半径为R<sub>2</sub>的圆形外,随机产生c个粒子点,并记录c个粒子点的坐标点(x<sub>j</sub>,y<sub>j</sub>)j=1,2,…,c;每个粒子点代表了一个目标样本; 步骤3:将步骤2中产生的每个目标正、负样本z∈R<sup>w·h</sup>与一系列不同尺度的矩形滤波器{h<sub>1,1</sub>,h<sub>1,2</sub>,…,h<sub>w,h</sub>}进行卷积运算;然后,将每种尺度卷积后的目标块拉成一个维度为wh的列向量;最后,将每种尺度滤波器卷积后得到的列向量组成一个维度为(w·h)<sup>2</sup>的列向量<img file="DEST_PATH_FDA0000411881010000011.GIF" wi="233" he="78" />步骤4:采用一个大小为n×m的稀疏随机测量矩阵R对列向量<img file="DEST_PATH_FDA0000411881010000012.GIF" wi="198" he="75" />进行压缩,得到低维列向量v∈R<sup>n</sup>,v=R·x,将所有粒子对应的列向量v∈R<sup>n</sup>组合到一起,构成一个大小为n×(m+c)维的目标特征模板V={v<sub>1</sub>,v<sub>2</sub>,…v<sub>m+c</sub>};步骤5:读取下一帧图像,在上一帧图像目标的周围距离为R<sub>3</sub>的圆形范围内随机产生k个粒子点,记录其坐标(x<sub>k</sub>,y<sub>k</sub>),k=1,2,…,K;每个粒子点代表了一个候选目标,然后根据上面步骤3和4中的特征表示方法得到k个候选目标d<sub>i</sub>∈R<sup>n</sup>; 步骤6:首先,对步骤4得到的目标特征模板V={v<sub>1</sub>,v<sub>2</sub>,…v<sub>m+c</sub>},进行单位化处理;然后,对于每个候选目标d<sub>i</sub>,利用目标特征模板进行表示,即: <img file="DEST_PATH_FDA0000411881010000013.GIF" wi="472" he="158" />其中,v<sub>+</sub>和v<sub>-</sub>分别表示正样本特征模板和负样本特征模板,a和e分别表示正样本系数和负样本系数,根据目标函数<img file="DEST_PATH_FDA0000411881010000014.GIF" wi="513" he="76" />求解得到系数<img file="DEST_PATH_FDA0000411881010000015.GIF" wi="184" he="156" />步骤7:对于步骤5产生的k个候选目标,根据重构误差公式||d<sub>i</sub>-Va||<sub>2</sub>,求得每个候选目标的重构误差,选择其中重构误差最小的粒子[x,y,w,h]作为目标跟踪的结果; 步骤8:当所有候选目标均处理完则结束,若没有处理完,则转到步骤5继续。 |