復(fù)雜目標(biāo)描述與穩(wěn)健跟蹤算法研究.pdf

1、視覺目標(biāo)跟蹤是計算機(jī)視覺中的熱點研究領(lǐng)域,在學(xué)術(shù)研究和實際應(yīng)用上有著重要價值及意義。視覺目標(biāo)跟蹤主要是通過處理視頻序列,實時獲取目標(biāo)的速度、位置、旋轉(zhuǎn)角等運(yùn)動信息并鎖定住目標(biāo)的運(yùn)動軌跡的過程。跟蹤目標(biāo)的不確定性、目標(biāo)運(yùn)動的無規(guī)律性和跟蹤環(huán)境的復(fù)雜性,給目標(biāo)的穩(wěn)健跟蹤帶來諸多挑戰(zhàn)。在視覺目標(biāo)跟蹤系統(tǒng)中,最為關(guān)鍵的就是目標(biāo)描述和目標(biāo)狀態(tài)估計兩部分。本文也主要針對這兩大模塊進(jìn)行了研究,主要研究工作如下:
　　1.研究了目標(biāo)描述方法,尤其

2、是基于稀疏表示的目標(biāo)描述?；谙∈璞硎镜哪繕?biāo)描述方法理論,提出了基于兩步稀疏表示的目標(biāo)描述方法。使用目標(biāo)的全局圖像和局部圖像共同構(gòu)建稀疏表示字典,全局稀疏表示描述了目標(biāo)外觀的整體信息,局部稀疏表示描述了目標(biāo)外觀的局部信息和空間信息。結(jié)合兩步稀疏表示系數(shù),針對系數(shù)意義,按其空間位置信息加權(quán)計算目標(biāo)的全局描述重要性參數(shù)和局部描述的特征向量,最后得到目標(biāo)觀測概率模型。
　　2.研究了在線學(xué)習(xí)的模板更新方法,尤其是基于 SKL( Sequ

3、ential Karhunen-Loeve,SKL)和稀疏表示模板更新策略,并提出了一定的改進(jìn)。采用基于二次函數(shù)的累加概率序列表示改變模板集更新概率,保證模板信息的實時性和多樣性;結(jié)合目標(biāo)特征向量的空間信息對目標(biāo)遮擋進(jìn)行判斷和處理。
　　3.研究了目標(biāo)跟蹤算法框架,針對大量粒子計算復(fù)雜度高的問題,結(jié)合目標(biāo)全局描述的重要性參數(shù)對粒子進(jìn)行篩選,以提高系統(tǒng)效率。實驗中與多種跟蹤器進(jìn)行對比,對多個具有各種挑戰(zhàn)性的視頻序列進(jìn)行跟蹤,證明了提