基于稀疏和壓縮感知的目標(biāo)跟蹤算法研究.pdf

1、隨著計算機(jī)的快速發(fā)展，人們更多的希望計算機(jī)能夠完成人類視覺信息的處理。隨后便產(chǎn)生了一門新的學(xué)科，即計算機(jī)視覺。目標(biāo)跟蹤技術(shù)屬于計算機(jī)視覺的一個分支。目標(biāo)跟蹤技術(shù)可應(yīng)用于安全監(jiān)控、智能交通等多個領(lǐng)域。本文主要研究了圖像序列中的目標(biāo)物體跟蹤算法。
　　在線目標(biāo)跟蹤是一個具有挑戰(zhàn)性的問題。這種挑戰(zhàn)性主要來源于物體表面變化時，需要建立一個有效的物體外在表示模型。引起物體表面變化的內(nèi)在原因和外在原因分別是：運動目標(biāo)姿態(tài)的多樣性、周圍背景光線

2、的變化、背景物體的遮擋以及運動造成的模糊等。鑒于以上因素，使得建立有效的跟蹤模型具有重要意義。跟蹤算法模型主要包括運動模型和觀測模型。目標(biāo)跟蹤算法中的運動模型主要完成對運動物體狀態(tài)的預(yù)測，其中，預(yù)測的基礎(chǔ)是前一幀或幾幀圖像。觀測模型主要包括對目標(biāo)物體的外在描述。對物體的外在描述要求做到既要完整地描述目標(biāo)物體特征，又要減少跟蹤計算的時間，并且能夠在跟蹤過程中對模型進(jìn)行更新。
　　本文提出的第一種跟蹤算法是：稀疏原型的在線目標(biāo)跟蹤算法

3、。主要包括三部分：（1）目標(biāo)表示部分。目標(biāo)的表示部分綜合?1規(guī)則化和主成分分析（PCA）重建。（2）目標(biāo)跟蹤部分。目標(biāo)在跟蹤過程中，對稀疏原型不斷在線更新。（3）防止跟蹤漂移。在模型建立過程中，考慮遮擋和運動模糊兩個因素。
　　另外，本文設(shè)計出另一種高效的跟蹤算法，算法觀測模型中的特征提取，采用的是壓縮感知的方法。在壓縮域中，利用從圖像提取的主要特征，從而建立觀測模型，此模型能夠更好得表示要跟蹤的目標(biāo)。主要完成如下工作：根據(jù)稀疏感

4、知理論,通過滿足 RIP條件的非常稀疏的測量矩陣，實現(xiàn)對原圖像特征空間做投影，從而得到一個低維壓縮子空間。低維壓縮子空間可以很好地保留高維圖像特征空間的信息。通過稀疏測量矩陣去提取前景目標(biāo)和背景的特征，以此作為在線學(xué)習(xí)更新分類器的正樣本和負(fù)樣本，然后使用樸素貝葉斯分類器去分類下一幀圖像。最后更新分類器參數(shù)和輸出目標(biāo)跟蹤位置。
　　最后，本文在算法的評估方面引進(jìn)了兩個評估標(biāo)準(zhǔn)：重疊率和中心位置誤差率。通過與其它算法在重疊率和中心位置