基于稀疏哈希算法的目標(biāo)跟蹤方法研究.pdf

1、隨著日常生活中對(duì)智能技術(shù)的需求越來越多，目標(biāo)跟蹤技術(shù)在計(jì)算機(jī)視覺領(lǐng)域變得日趨重要。它有廣泛的應(yīng)用前景，比如視頻監(jiān)控、運(yùn)動(dòng)分析、交通導(dǎo)航及人機(jī)互動(dòng)等方面。雖然在眾多研究人員的努力之下，該領(lǐng)域已經(jīng)取得了不錯(cuò)的成果，但是目標(biāo)跟蹤任務(wù)仍然存在很多沒有得到完善解決的問題。所以設(shè)計(jì)出一個(gè)具有高魯棒性的跟蹤算法仍是一個(gè)具有挑戰(zhàn)性和高研究價(jià)值的問題。
　　本文對(duì)目標(biāo)跟蹤技術(shù)的研究背景、發(fā)展?fàn)顩r和未來趨勢(shì)進(jìn)行了總結(jié)，然后重點(diǎn)分析了目標(biāo)跟蹤中的挑戰(zhàn)及

2、當(dāng)前優(yōu)秀的跟蹤算法。在此基礎(chǔ)上，本文提出了兩種基于稀疏哈希的目標(biāo)跟蹤方法。
　　一是基于分塊的稀疏性哈希算法的跟蹤算法。不同于以往的跟蹤算法，我們將目標(biāo)跟蹤任務(wù)視為在二進(jìn)制空間的近似最近鄰搜索過程。借助哈希函數(shù)，目標(biāo)模板和候選樣本可以被有效地投影到二進(jìn)制空間，這促進(jìn)了樣本間距離的有效計(jì)算，從而提高跟蹤效率。首先，我們結(jié)合樣本的類內(nèi)和類間信息來訓(xùn)練哈希函數(shù)使其具有更好的分類能力，而在以前的各種算法中，大多數(shù)分類器通常忽略了類內(nèi)樣本的

3、關(guān)系而導(dǎo)致跟蹤不準(zhǔn)確。然后為了能使算法適應(yīng)復(fù)雜的環(huán)境，我們建立了特征選擇機(jī)制來選出目標(biāo)中穩(wěn)定的且判別的特征。
　　二是基于判別式稀疏哈希算法的跟蹤方法。具體來說，我們利用樣本的標(biāo)簽信息和空間信息為每一個(gè)樣本分配緊湊而有判別性的二進(jìn)制碼。為了處理后續(xù)加入的數(shù)據(jù)，我們訓(xùn)練哈希函數(shù)去描述學(xué)習(xí)到的二進(jìn)制碼。同時(shí)在哈希函數(shù)和哈希碼聯(lián)合學(xué)習(xí)的過程中引入組稀疏到哈希系數(shù)矩陣中，使哈希函數(shù)具有動(dòng)態(tài)選擇有代表性、判別性特征的能力。
　　通過與