基于線性表示模型的在線視覺(jué)跟蹤算法研究.pdf

1、作為計(jì)算機(jī)視覺(jué)的基礎(chǔ)問(wèn)題之一，在線目標(biāo)跟蹤在很多研究方向上（比如運(yùn)動(dòng)分析、視頻壓縮和行為識(shí)別等）都處于核心位置，并且有著廣泛的實(shí)際應(yīng)用（比如視頻監(jiān)控、智能交通和機(jī)器人導(dǎo)航等）。盡管在線目標(biāo)跟蹤的研究在過(guò)去幾十年里有很大進(jìn)展，但是由被跟蹤目標(biāo)外觀變化帶來(lái)的困難使得設(shè)計(jì)一個(gè)魯棒的在線跟蹤算法仍然是一個(gè)富有挑戰(zhàn)性的課題。這些困難來(lái)自內(nèi)在因素（比如姿態(tài)變化、形狀變化等）和外在因素（比如變化的光照、相機(jī)運(yùn)動(dòng)和遮擋等）。
　　本文專注研究線性

2、表示模型來(lái)設(shè)計(jì)有效的觀測(cè)模型，從而實(shí)現(xiàn)魯棒的在線視覺(jué)跟蹤。本文的主要貢獻(xiàn)如下:
　　首先，本文提出了一種增量正交映射非負(fù)矩陣分解算法(IOPNMF)，該算法旨在增量地學(xué)習(xí)一個(gè)基于部分的子空間來(lái)反應(yīng)動(dòng)態(tài)數(shù)據(jù)流。通過(guò)假設(shè)新加入的樣本僅僅影響基向量而不影響舊樣本的編碼系數(shù)，本文提出了一個(gè)用于在線學(xué)習(xí)的目標(biāo)函數(shù)，并提出了一個(gè)乘法更新準(zhǔn)則對(duì)其進(jìn)行求解。人臉?lè)治鰧?shí)驗(yàn)表明，與現(xiàn)有的非負(fù)矩陣分解算法相比，本文提出的算法能夠保證以在線的形式學(xué)習(xí)到一

3、個(gè)基于部分的子空間。本文還利用在IOPNMF基向量上的重構(gòu)誤差設(shè)計(jì)觀測(cè)似然函數(shù)，并且據(jù)此提出了基于IOPNMF的跟蹤算法。實(shí)驗(yàn)結(jié)果表明，基于IOPNMF的跟蹤算法取得了和基于增量主成分分析的跟蹤算法相當(dāng)?shù)男Ч?br>　　其次，本文提出了一種基于稀疏原型的目標(biāo)跟蹤算法，該算法能夠利用經(jīng)典的主成分分析(PCA)和當(dāng)前熱門的稀疏表示機(jī)制來(lái)學(xué)習(xí)有效的外觀模型。對(duì)于稀疏原型模型來(lái)說(shuō)，被跟蹤的目標(biāo)被建模為PCA基向量和瑣碎模板的線性組合，其中PC

4、A基向量上的系數(shù)不是稀疏的而瑣碎模板上的系數(shù)是稀疏的。該表示模型同時(shí)考慮了目標(biāo)外觀的變化和異常噪聲（比如遮擋）的情況，并且可以利用本文提出的迭代算法來(lái)有效地求解。在稀疏原型模型的基礎(chǔ)上，本文通過(guò)提出一種新穎的觀測(cè)似然函數(shù)和一種合理的模型更新機(jī)制來(lái)設(shè)計(jì)一個(gè)魯棒的跟蹤器。實(shí)驗(yàn)結(jié)果及討論表明了該跟蹤算法的有效性，效率和擴(kuò)展能力。
　　再次，本文提出了二維稀疏原型模型來(lái)描述被跟蹤的目標(biāo)，該模型將圖像觀測(cè)直接看作二維矩陣而非一維向量。二維稀

5、疏原型由二維主成分分析的基矩陣和一個(gè)附加的稀疏噪聲矩陣組成，并且本文提出了一種有效的迭代算法來(lái)求解該表示模型。基于二維稀疏原型模型，本文提出了一種新的觀測(cè)似然函數(shù)，它同時(shí)考慮了重構(gòu)誤差和誤差矩陣的稀疏性。該似然函數(shù)不僅能夠有效地處理部分遮擋而且能夠促使被跟蹤目標(biāo)很好地對(duì)齊。此外，本文還證明了二維稀疏原型模型和稀疏原型模型擁有相似的表示形式。實(shí)驗(yàn)結(jié)果表明基于二維稀疏原型的跟蹤器與基于稀疏原型的跟蹤器表現(xiàn)相當(dāng)，并且前者的計(jì)算代價(jià)較小。

6、>　　最后，本文總結(jié)了基于線性表示模型的跟蹤算法并指出兩個(gè)關(guān)鍵問(wèn)題:如何魯棒地求解表示系數(shù)以及如何在噪聲觀測(cè)下定義一個(gè)觀測(cè)樣本與模板子空間之間的魯棒的距離。本文將觀測(cè)噪聲假設(shè)為高斯分布和拉普拉斯分布的加性組合（稱為“高斯-拉普拉斯”分布），并從最大聯(lián)合似然估計(jì)的角度提出了一種最小軟閾值均方回歸算法。隨后，本文提出了一種有效的迭代算法來(lái)求解最小軟閾值均方回歸問(wèn)題，該迭代算法可以獲得全局最優(yōu)解。另外，本文證明了從求解回歸系數(shù)的角度來(lái)看，本文