基于稀疏表示的動(dòng)物目標(biāo)跟蹤研究.pdf

1、目標(biāo)跟蹤研究是當(dāng)今人工智能和自動(dòng)化控制領(lǐng)域的前沿方向之一。動(dòng)物目標(biāo)跟蹤為實(shí)現(xiàn)計(jì)算機(jī)對(duì)視頻中的動(dòng)物檢測(cè)、自動(dòng)跟蹤，進(jìn)而分析動(dòng)物行為、探究動(dòng)物運(yùn)動(dòng)規(guī)律提供技術(shù)支持。同時(shí)，在野生動(dòng)物保護(hù)、開(kāi)放式畜牧場(chǎng)中具有重要應(yīng)用價(jià)值。由于現(xiàn)有目標(biāo)跟蹤技術(shù)難以應(yīng)對(duì)動(dòng)物過(guò)去場(chǎng)所復(fù)雜干擾因素，目標(biāo)跟蹤過(guò)程容易出現(xiàn)漂移、丟失等現(xiàn)象，導(dǎo)致跟蹤失敗。在實(shí)際應(yīng)用中，動(dòng)物作為一種特殊的運(yùn)動(dòng)對(duì)象，其運(yùn)動(dòng)方式具有多樣性特點(diǎn)，所處環(huán)境復(fù)雜，缺乏專(zhuān)門(mén)針對(duì)動(dòng)物目標(biāo)的跟蹤技術(shù)。因此，

2、對(duì)動(dòng)物目標(biāo)跟蹤的研究具有重要意義。本文主要運(yùn)用稀疏表示理論改進(jìn)目標(biāo)跟蹤技術(shù)，以提高動(dòng)物目標(biāo)跟蹤效率和結(jié)果的可靠性。主要工作概括如下:
　　(1)針對(duì)目前目標(biāo)跟蹤技術(shù)存在的問(wèn)題，難以準(zhǔn)確跟蹤到動(dòng)物目標(biāo)，改進(jìn)目標(biāo)表示模型。在粒子濾波框架下，通過(guò)稀疏協(xié)同模型進(jìn)行目標(biāo)跟蹤。首先，判別模型將模板集分為正負(fù)模板進(jìn)行訓(xùn)練，從而使分類(lèi)器獲取最佳分類(lèi)特征;其次，以目標(biāo)直方圖加權(quán)的方式，和無(wú)監(jiān)督特征學(xué)習(xí)和逐層貪婪算法的訓(xùn)練，以提高生成模型相似度的計(jì)算

3、;然后，集成兩種模型實(shí)現(xiàn)協(xié)同模型定位目標(biāo)，并由重構(gòu)誤差最小確定目標(biāo);最后，采取各模塊獨(dú)立更新策略，保證協(xié)同模型及時(shí)適應(yīng)目標(biāo)變化。通過(guò)在公共數(shù)據(jù)集和動(dòng)物數(shù)據(jù)集上對(duì)比實(shí)驗(yàn)，本文方法的平均中心誤差（像素）分別為7.3、17.1，遠(yuǎn)小于相關(guān)目標(biāo)跟蹤方法，且具備良好的抗噪性和實(shí)時(shí)性。
　　(2)為提高目標(biāo)跟蹤的準(zhǔn)確性，有效利用分塊樣本信息，提出一種改進(jìn)稀疏表示排名方法。首先，通過(guò)稀疏分塊表示候選目標(biāo);其次，計(jì)算稀疏系數(shù)和殘差，并提取出排名信