基于稀疏表示的運(yùn)動(dòng)目標(biāo)跟蹤.pdf

1、視覺跟蹤課題是當(dāng)今計(jì)算機(jī)視覺領(lǐng)域中相當(dāng)熱門的研究方向之一，也是一門融合了模式識別、圖像處理、圖像表示、人工智能、信號處理等綜合性學(xué)科，它在智能監(jiān)控、智能交通、人機(jī)智能交互以及軍事打擊等領(lǐng)域都有著廣泛且重要的實(shí)際應(yīng)用價(jià)值。因此，視覺跟蹤課題一直廣受國內(nèi)外學(xué)者的關(guān)注，并對此有著深入的研究。但視覺跟蹤卻由于其的特殊性與復(fù)雜性，跟蹤場景中復(fù)雜多變，容易受到外界的干擾，使得跟蹤的運(yùn)動(dòng)目標(biāo)產(chǎn)生變化，這也是視覺跟蹤面臨和要解決的主要問題。因此，如何針

2、對變化的目標(biāo)構(gòu)建有效的表觀模型，如何通過優(yōu)化算法提高跟蹤的實(shí)時(shí)性，一直是視覺跟蹤方面研究的重點(diǎn)與難點(diǎn)。
　　近些年稀疏表示理論從信號處理領(lǐng)域逐漸被應(yīng)用到視覺追蹤領(lǐng)域，特別是2004年壓縮感知理論的提出，更加擴(kuò)大了稀疏表示在視覺追蹤領(lǐng)域的應(yīng)用。雖然基于稀疏表示的視覺追蹤能一定程度上較好的應(yīng)對光照和部分遮擋的影響，然而其算法復(fù)雜度高，實(shí)時(shí)性比較差，并且在目標(biāo)發(fā)生較大姿態(tài)變化以及嚴(yán)重遮擋時(shí)，跟蹤效果不盡人意。本文主要學(xué)習(xí)與研究了稀疏表示

3、以及壓縮感知理論知識，并將其應(yīng)用于視覺跟蹤領(lǐng)域，針對稀疏表示目標(biāo)跟蹤的經(jīng)典算法——L1 Tracker以及CT算法的優(yōu)點(diǎn)與不足，提出了基于正反向稀疏表示的運(yùn)動(dòng)目標(biāo)跟蹤算法：
　　首先，通過壓縮感知理論，設(shè)計(jì)觀測矩陣，對目標(biāo)的特征進(jìn)行壓縮投影，并根據(jù)特征特點(diǎn)進(jìn)行多特征融合。
　　其次，根據(jù)目標(biāo)與背景存在的空間上下文位置關(guān)系，在模版中加入了背景模版特征，構(gòu)建融合了背景上下文信息的目標(biāo)過完備字典。
　　再次，針對簡化的采樣運(yùn)

4、動(dòng)模型，在采樣過程中不具備方向性，需要通過大量采樣來保證目標(biāo)跟蹤的準(zhǔn)確性問題，改進(jìn)了稀疏表示，使用反向稀疏表示來篩選采樣粒子，達(dá)到初步定位，再次精確采樣，通過正向稀疏觀測目標(biāo)。
　　最后，結(jié)合稀疏表示重構(gòu)過程的實(shí)際情況，使用了塊正交匹配追蹤（BOMP）算法加速稀疏表示重構(gòu)，提高了跟蹤的速度。
　　通過大量實(shí)驗(yàn)設(shè)計(jì)與驗(yàn)證，表明了我們提出的基于正反向稀疏表示的目標(biāo)跟蹤算法在標(biāo)準(zhǔn)視頻幀中能夠有效的應(yīng)對光照、遮擋、旋轉(zhuǎn)等各種干擾因素