基于非負加權(quán)稀疏協(xié)作模型的目標跟蹤算法研究.pdf

1、近年來，目標跟蹤在計算機視覺領(lǐng)域扮演著非常重要的角色，同時也是其研究熱點。隨著目標跟蹤技術(shù)的不斷發(fā)展，它在各種各樣實際的應(yīng)用中都發(fā)揮著至關(guān)重要的作用。因此，各種目標跟蹤方法應(yīng)運而生，主要有基于產(chǎn)生式外觀模型的目標跟蹤方法，也有基于判別式外觀模型的目標跟蹤方法，還有將兩者結(jié)合起來的目標跟蹤方法。近幾年，稀疏表示對于遮擋等目標跟蹤中的難點問題有不錯的效果?；谙∈鑵f(xié)作模型的目標跟蹤算法就是一個性能及魯棒性較強的目標跟蹤算法，它是在粒子濾波的

2、框架下，應(yīng)用基于全局模板的稀疏判別式模型以及基于局部直方圖的稀疏產(chǎn)生式模型，它綜合了兩者的長處，在目標跟蹤問題上取得了不錯的效果。非負稀疏表示就是在對目標進行稀疏表示時上加入非負約束，使得目標的物理意義得以保留。由于目標跟蹤過程中得到的數(shù)據(jù)以及提取的特征都具有一定的非負性，它符合非負稀疏表示的前提，而且在SCM中基于局部直方圖的稀疏產(chǎn)生式模型對系數(shù)有潛在的非負要求，因此本文第一個工作是將非負約束引入SCM中，提出基于非負稀疏協(xié)作模型(N

3、-SCM)的目標跟蹤算法。與此同時，考慮到測試樣本與訓(xùn)練樣本之間往往具有一定的相關(guān)性，對稀疏表示的系數(shù)加上合理的權(quán)重能夠取得很好的效果，因此，本文第二個工作是給SCM中的稀疏系數(shù)加上相應(yīng)的權(quán)值，提出基于加權(quán)稀疏協(xié)作模型(W-SCM)的目標跟蹤算法。本文第三個工作是給SCM中同時加入非負約束以及權(quán)重限制，提出基于非負加權(quán)稀疏協(xié)作模型(NW-SCM)的目標跟蹤算法。
　　本文的研究內(nèi)容總結(jié)如下:
　　(1)為了提高基于稀疏協(xié)作模

4、型(SCM)的目標跟蹤算法跟蹤效果，更好地利用原始數(shù)據(jù)，將非負約束加入SCM算法中，提出基于非負稀疏協(xié)作模型(N-SCM)的目標跟蹤算法。N-SCM算法中給出一個迭代更新策略來求解稀疏系數(shù)，并且對目標函數(shù)的迭代收斂性進行了證明。實驗結(jié)果表明，N-SCM算法和SCM算法相比性能有明顯的提升。
　　(2)考慮到在以往的稀疏表示中，往往忽略了測試樣本與訓(xùn)練樣本之間的相關(guān)性，這使得到的稀疏系數(shù)還有提升的空間，因此我們對稀疏協(xié)作模型中的系數(shù)

5、加權(quán)，提出基于加權(quán)稀疏協(xié)作模型(W-SCM)的目標跟蹤算法。W-SCM算法采用一個迭代算法來求解目標函數(shù)的全局最優(yōu)解，并給出其算法合理性的理論證明。實驗結(jié)果表明，W-SCM算法的跟蹤效果較SCM算法有一定得提升。
　　(3)基于稀疏協(xié)作模型上加上權(quán)重和非負約束分別都能夠?qū)λ惴ㄓ幸欢ǖ奶嵘Ч?，我們不僅對稀疏系數(shù)進行非負限制，同時給稀疏系數(shù)加上合適的權(quán)重，提出基于非負加權(quán)稀疏協(xié)作模型(NW-SCM)的目標跟蹤算法。NW-SCM算法中