樸素貝葉斯框架下基于線性隨機測量的實時目標跟蹤算法研究.pdf

1、視覺目標跟蹤在實際應(yīng)用中得到了廣泛的研究,如智能視頻監(jiān)控、人機交互、智能交通、虛擬現(xiàn)實等。雖然大量的跟蹤算法已被提出,但魯棒和有效的視覺目標跟蹤系統(tǒng)仍然是一個非常具有挑戰(zhàn)性的問題,因為該系統(tǒng)需要能夠應(yīng)對由于姿態(tài)與光照變化、遮擋以及運動模糊等諸多因素所帶來的影響,同時還要兼顧處理的實時性問題。
　　壓縮感知理論中的線性隨機測量技術(shù)能夠在保證信息不損失的基礎(chǔ)上極大壓縮原數(shù)據(jù),將其用于基于外觀模型的視覺目標跟蹤可兼顧跟蹤的魯棒性及實時性

2、,具有較好的研究價值。本論文在對其進行深入研究的基礎(chǔ)上,提出了基于局部區(qū)域相似度和外觀模型再匹配的兩種改進算法與一種基于加權(quán)分塊的改進算法,在一定程度上提高了算法的跟蹤精度和抗遮擋能力。整個論文的研究工作主要集中在以下四個方面:
　　1)提出了一種利用局部區(qū)域相似度匹配策略來提升基于線性隨機測量的實時目標跟蹤精度的改進算法。該算法使用稀疏測量矩陣提取候選目標的低維多尺度特征,在采用樸素貝葉斯分類器判別目標與背景實現(xiàn)粗跟蹤的基礎(chǔ)上,

3、利用視頻幀間候選目標內(nèi)部區(qū)域所具有的相似性,實施基于動態(tài)目標外觀模型的二次跟蹤,在線定位最佳的跟蹤目標位置。
　　2)提出了一種利用外觀模型再匹配策略來提升基于線性隨機測量的實時目標跟蹤精度的改進算法。該算法將基于線性隨機測量的實時目標跟蹤算法中的分類器值H(v)值按降序排列,取前三十個候選目標,使用目標外觀再匹配模型在線尋找最佳的跟蹤位置,提高跟蹤的精度。
　　3)提出了一種利用加權(quán)分塊來提升線性隨機測量抗遮擋問題的實時目