基于低秩表示的運動目標檢測與跟蹤.pdf

1、低秩表示方法是將觀測數(shù)據(jù)分解為低秩塊與稀疏塊和的形式的一種手段，由于該方法對噪聲具有較好的魯棒性而受到廣大學者的關(guān)注。目前，低秩表示方法已經(jīng)比較多地用于人臉識別，目標檢測等領域，且取得了較好的效果，此外，近年來也有一些學者試圖將其應用于目標跟蹤問題，取得了一定的成果。低秩表示方法有些類似“萬金油”，然而具體問題仍需具體分析，若一個大問題的解決方案中只有低秩表示顯然還不夠，經(jīng)常采用其他理論與之相聯(lián)合，以使得整個算法的性能最優(yōu)。
　　

2、1、相關(guān)理論分析。首先對低秩表示理論進行分析和論述；然后再對運動目標跟蹤算法中所應用的粒子濾波相關(guān)理論進行闡述與分析。
　　2、基于低秩表示動態(tài)更新投影的在線運動目標檢測。在研究幾種典型運動目標檢測算法的基礎上，本文提出了一種基于低秩表示動態(tài)更新投影的在線運動目標檢測算法。采用低秩表示方法對若干連續(xù)視頻幀進行低秩分解，并將分解所獲得的低秩部分對應的左奇異值矩陣的正交補引為投影矩陣；再構(gòu)建投影模型，擬合出數(shù)據(jù)的稀疏前景；最后采用視頻

3、分段分析法則對投影矩陣進行動態(tài)更新，從而保證所分離的背景以及前景的有效性。對比實驗結(jié)果證實了所提算法具有很好的檢測效果，對復雜的運動前景和動態(tài)背景的處理表現(xiàn)了很強的魯棒性。
　　3、基于加權(quán)低秩表示的單目標跟蹤。粒子濾波理論框架下，本文提出一種基于加權(quán)低秩表示的單目標跟蹤算法，該算法將目標跟蹤問題轉(zhuǎn)化為低秩表示模型，并采用加權(quán)低秩表示方法對模型進行求解，從而獲取每個粒子數(shù)據(jù)在模板字典上對應的低秩表示系數(shù)，其中，模板的選取采用目標模