復(fù)雜場(chǎng)景下單目標(biāo)視覺(jué)跟蹤算法研究.pdf

1、目標(biāo)跟蹤是智能視頻監(jiān)控系統(tǒng)的重要組成部分,是計(jì)算機(jī)視覺(jué)領(lǐng)域的熱門(mén)研究方向。目標(biāo)跟蹤在城市安全監(jiān)控、導(dǎo)彈制導(dǎo)、城市交通、銀行監(jiān)控和娛樂(lè)等方面都有相應(yīng)的應(yīng)用,具有良好的市場(chǎng)應(yīng)用前景。盡管相關(guān)研究者對(duì)目標(biāo)跟蹤的研究時(shí)間已經(jīng)接近30年之久,但是現(xiàn)實(shí)跟蹤場(chǎng)景往往比較復(fù)雜,存在著目標(biāo)遮擋、光線突變、目標(biāo)形變、尺度變化等等復(fù)雜干擾,到目前為止,研究者仍然沒(méi)有設(shè)計(jì)出一種可以適應(yīng)復(fù)雜跟蹤場(chǎng)景的快速、魯棒和高精度的目標(biāo)跟蹤算法。本文分析了當(dāng)前目標(biāo)跟蹤研究的

2、現(xiàn)狀,分別提出兩種復(fù)雜場(chǎng)景下基于視覺(jué)的單目標(biāo)跟蹤算法。
　　(1)近年來(lái),基于稀疏表示的生成式跟蹤算法受到領(lǐng)域內(nèi)研究者的廣泛關(guān)注,大量基于稀疏表示的跟蹤算法被提出,然而,該類算法都存在一個(gè)通病:由于每一幀大量求解 l1正則化所帶來(lái)的算法時(shí)效性低下問(wèn)題,嚴(yán)重制約了跟蹤算法的工程推廣。本文在第三章提出了一種基于l2范數(shù)最小化的實(shí)時(shí)跟蹤算法,對(duì)目標(biāo)模板進(jìn)行正交化,去除模板之間的冗余性,構(gòu)成正交子空間用于對(duì)目標(biāo)進(jìn)行重構(gòu),通過(guò)l2范數(shù)最小化

3、對(duì)目標(biāo)表示模型進(jìn)行求解,并引入一個(gè)閾值參數(shù)對(duì)重構(gòu)誤差進(jìn)行分解,建立更為魯棒的觀測(cè)模型。整個(gè)算法快速且有效;
　　(2)當(dāng)前的目標(biāo)跟蹤算法主要分為兩類:生成式和判別式,二者皆存在各自的缺點(diǎn)。生成式跟蹤算法對(duì)目標(biāo)外觀表示能力較強(qiáng),但缺乏利用背景信息;判別式跟蹤算法,雖然將目標(biāo)背景和前景都融合入模型中,但對(duì)目標(biāo)的重構(gòu)能力較差。針對(duì)該問(wèn)題,本文在第四章提出一種生成式跟蹤和判別式跟蹤相結(jié)合的協(xié)同跟蹤算法,將兩類跟蹤算法的優(yōu)勢(shì)進(jìn)行互補(bǔ);