基于稀疏表示的魯棒性視覺(jué)跟蹤方法研究.pdf

1、視覺(jué)跟蹤是計(jì)算機(jī)視覺(jué)領(lǐng)域的重要研究課題之一，在國(guó)防和民用領(lǐng)域均有廣泛的應(yīng)用前景和需求。然而，視頻中圖像背景復(fù)雜、相機(jī)抖動(dòng)等引起的圖像模糊、光照變化、目標(biāo)遮擋、視角及尺度變化等因素增加了視頻中目標(biāo)表觀(guān)建模的難度，易引起跟蹤器漂移。因此，視頻目標(biāo)跟蹤一直是計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)研究難點(diǎn)。本文在系統(tǒng)分析已有的視覺(jué)目標(biāo)跟蹤方法的基礎(chǔ)上，重點(diǎn)研究結(jié)合顏色注意和稀疏表示來(lái)提高視覺(jué)目標(biāo)跟蹤的魯棒性和實(shí)時(shí)性，主要的創(chuàng)新性工作概述如下：
　　(1)針

2、對(duì)跟蹤器易漂移的問(wèn)題，結(jié)合稀疏表示和顏色注意機(jī)制，提出一種基于生成性模型的魯棒目標(biāo)跟蹤算法。該方法采用稠密網(wǎng)格對(duì)目標(biāo)圖像進(jìn)行分塊，稠密網(wǎng)格保留了圖像的結(jié)構(gòu)信息，對(duì)每個(gè)圖像塊通過(guò)稀疏表示的重構(gòu)誤差判斷圖像塊是否被遮擋。鑒于顏色注意機(jī)制在區(qū)分目標(biāo)和非目標(biāo)時(shí)有很好的鑒別性，本文在圖像塊上聯(lián)合計(jì)算顏色名特征和稀疏表示特征設(shè)計(jì)了一種穩(wěn)健的候選樣本與目標(biāo)的相似性度量機(jī)制來(lái)確定目標(biāo)的位置。在更新目標(biāo)模板時(shí)采用初始幀和當(dāng)前幀目標(biāo)模板的線(xiàn)性加權(quán)和，因而得

3、到的表觀(guān)模型同時(shí)保留了目標(biāo)的初始信息和增量變化。對(duì)比實(shí)驗(yàn)結(jié)果表明，該方法較幾種經(jīng)典的目標(biāo)跟蹤算法均更魯棒。
　　(2)針對(duì)視頻跟蹤計(jì)算量大、跟蹤速度慢的問(wèn)題，結(jié)合壓縮感知和貝葉斯分類(lèi)，提出一種快速目標(biāo)跟蹤算法。該算法利用高斯隨機(jī)壓縮測(cè)量矩陣可以高概率地重構(gòu)原始信號(hào)的特點(diǎn)，在初始幀目標(biāo)和背景中提取壓縮的Haar-like特征訓(xùn)練鑒別性分類(lèi)器，在后續(xù)幀跟蹤目標(biāo)時(shí)都用前一幀訓(xùn)練好的貝葉斯分類(lèi)器對(duì)檢測(cè)樣本進(jìn)行“由粗到細(xì)”的分類(lèi)，以最大響應(yīng)