基于壓縮感知理論的目標重構及跟蹤算法研究.pdf

1、在目標跟蹤領域，形變、遮擋、光照、尺度、旋轉、雜亂背景是影響跟蹤效果的幾大因素。對于非剛性的物體，物體在運動過程中，形變的發(fā)生是時常發(fā)生的事情。由于攝像頭位置的固定，物體很容易被其他物體遮擋，導致跟蹤目標的丟失。從室內到室外，光照變化很劇烈，會引起跟蹤目標的特征的劇烈變化。當被跟蹤的物體遠離或者接近攝像頭，會引起物體的放大縮小，也會導致被跟蹤物體的丟失。當物體進行旋轉，會引起之前提取的特征失效。如果背景雜亂，則跟蹤目標很難與背景區(qū)分，影

2、響跟蹤的效果。早期的跟蹤算法，通過對跟蹤目標的特征提取，在沒有復雜變化的情況下，可以達到比較好的效果。
　　而在實際應用當中，日常的生活環(huán)境千差萬別，各種可能的干擾都會發(fā)生，會嚴重的影響跟蹤的效果。因此現(xiàn)在的跟蹤算法并不單純是跟蹤算法，很多算法均是跟蹤與檢測的結合。近幾年，像一些優(yōu)秀的跟蹤算法，都是利用了機器學習算法，對特征進行學習分類，以達到良好的適應性，本文通過研究現(xiàn)有跟蹤方法的缺點與不足，針對于被跟蹤物體，通過利用壓縮感知算

3、法，預先建立字典，通過對跟蹤目標的重構，獲得了去除遮擋、噪聲等干擾的新的跟蹤目標，可以適應目標的各種可能出現(xiàn)的干擾，有效的提高了跟蹤的準確率。
　　在本論文中，針對于粒子濾波中提取特征比較耗時的缺點，進一步提出了一種直方圖特征快速計算的硬件設計架構，該硬件架構可以在現(xiàn)場可編程門陣列(Field Programmable Gate Array，F(xiàn)PGA)，圖形處理器(Graphic Processing Unit，GPU)等硬件架構