基于稀疏表示和隨機森林的目標跟蹤算法.pdf

1、運動目標跟蹤是智能監(jiān)控領(lǐng)域的重要研究內(nèi)容，也是計算機視覺領(lǐng)域的熱點問題。隨著科技的發(fā)展以及人們生活質(zhì)量的提高，社會對于智能監(jiān)控系統(tǒng)的需求正在日益顯現(xiàn)?？梢灶A(yù)見在不久的將來，智能監(jiān)控系統(tǒng)必將融入到生活的方方面面。同時，運動目標跟蹤在民用和軍用領(lǐng)域也都有著廣泛的應(yīng)用前景，如智能交通、軍事制導(dǎo)等。然而，由于運動目標的突發(fā)性移動、復(fù)雜的目標結(jié)構(gòu)、遮擋、攝像機移動等原因，運動目標跟蹤目前依然是一個十分困難的研究課題。
　　正因為如此，本文對

2、運動目標跟蹤方法展開了較為深入的研究，主要研究內(nèi)容概括如下:
　　第一:綜述了運動目標跟蹤的發(fā)展現(xiàn)狀和目標外觀模型構(gòu)建的一般方法。概括分析了運動目標跟蹤的一般流程、主要方法以及所存在的一些難題。
　　第二:研究了從貝葉斯濾波到粒子濾波的發(fā)展歷程以及粒子濾波采樣的一般方法。簡要概括了幾個基于粒子濾波目標跟蹤算法的構(gòu)建過程，并借助對比實驗驗證了粒子濾波對于非線性非高斯運動目標跟蹤的有效性。
　　第三:研究了稀疏表示相關(guān)的基

3、礎(chǔ)理論以及主流稀疏表示算法。簡要概括了幾個基于稀疏表示目標跟蹤算法的構(gòu)建流程，并通過對比實驗驗證了稀疏表示實現(xiàn)目標跟蹤的可行性和有效性。
　　第四:本文結(jié)合稀疏表示和隨機森林分類器思想提出一種魯棒的多尺度目標跟蹤算法。該算法首先進行多尺度粒子采樣，然后由隨機森林分類器拒絕部分非目標粒子，再通過稀疏表示算法確定余下粒子的重構(gòu)誤差，從而最終估計目標的當前狀態(tài)。實驗結(jié)果分析證明該算法能夠有效地跟蹤運動目標，并對目標姿態(tài)變化以及光照變化具