基于局部稀疏特征的壓縮跟蹤算法研究.pdf

1、視頻目標(biāo)跟蹤技術(shù)是計算機視覺領(lǐng)域的重要研究內(nèi)容，同時也是智能安防、智能交通、行為分析以及人機交互等領(lǐng)域的關(guān)鍵應(yīng)用技術(shù)。盡管近年來計算機視覺技術(shù)飛速發(fā)展，國內(nèi)外的眾多學(xué)者提出了大量優(yōu)秀的目標(biāo)跟蹤算法，但由于光照變化、目標(biāo)遮擋、背景干擾以及目標(biāo)姿態(tài)變化等因素，使得目標(biāo)跟蹤技術(shù)仍然是一項富有挑戰(zhàn)性的課題。
　　壓縮感知理論是由Donoho等人提出的一種新興的信號處理理論，該理論自發(fā)表以來便吸引了大量研究人員的關(guān)注。該理論在圖像處理等信號

2、處理領(lǐng)域應(yīng)用甚廣，近年來在目標(biāo)跟蹤方面取得了較好的成果。在壓縮感知理論及壓縮跟蹤算法框架支撐下，本文提出了基于局部稀疏特征的壓縮跟蹤算法——改進(jìn)的壓縮跟蹤算法(ICT, Improved CompressiveTracking)。本文的主要研究內(nèi)容及創(chuàng)新點如下:
　　(1)針對在目標(biāo)光照變化強烈、目標(biāo)旋轉(zhuǎn)及快速運動等復(fù)雜環(huán)境下，壓縮跟蹤算法易出現(xiàn)目標(biāo)漂移甚至丟失的問題，本文提出一種改進(jìn)的壓縮跟蹤算法。該算法使用SURF特征對前景目

3、標(biāo)和背景進(jìn)行特征提取。應(yīng)用表明，構(gòu)建一個有效的外表模型是目標(biāo)跟蹤算法取得成功的重要前提。根據(jù)外表模型可以將目標(biāo)跟蹤算法分成兩類，即生成式和判別式跟蹤算法。生成式模型下的目標(biāo)跟蹤算法是在進(jìn)行大量樣本學(xué)習(xí)后獲得目標(biāo)模型，接著利用目標(biāo)模型搜索最小重構(gòu)誤差的視頻幀區(qū)域作為新一幀目標(biāo)位置。判別式模型下的目標(biāo)跟蹤算法則把目標(biāo)跟蹤任務(wù)轉(zhuǎn)化為一種二元分類問題，以此將目標(biāo)從背景中分離出來，從而實現(xiàn)目標(biāo)跟蹤。
　　(2)針對所提取特征的高維特性給跟蹤

4、任務(wù)帶來的巨大計算開銷，本文采用壓縮感知理論對得到的高維特征向量進(jìn)行稀疏表示，在保留原始特征信息的同時，能夠有效地降低特征維度，并提出在正樣本搜索階段采用粗精搜索策略，減少正樣本搜索的時間，從而大大降低計算量。使得本文提出的改進(jìn)的壓縮跟蹤算法在保證較好的目標(biāo)跟蹤效果的同時保證了目標(biāo)跟蹤的實時性需求。后續(xù)的跟蹤過程是采用樸素貝葉斯分類器對正負(fù)樣本進(jìn)行分類，并在線學(xué)習(xí)更新分類器。由此可以看出本文算法屬于判別式模型下的目標(biāo)跟蹤算法。