基于稀疏表示的運動目標跟蹤.pdf

1、視覺跟蹤課題是當今計算機視覺領(lǐng)域中相當熱門的研究方向之一，也是一門融合了模式識別、圖像處理、圖像表示、人工智能、信號處理等綜合性學科，它在智能監(jiān)控、智能交通、人機智能交互以及軍事打擊等領(lǐng)域都有著廣泛且重要的實際應用價值。因此，視覺跟蹤課題一直廣受國內(nèi)外學者的關(guān)注，并對此有著深入的研究。但視覺跟蹤卻由于其的特殊性與復雜性，跟蹤場景中復雜多變，容易受到外界的干擾，使得跟蹤的運動目標產(chǎn)生變化，這也是視覺跟蹤面臨和要解決的主要問題。因此，如何針

2、對變化的目標構(gòu)建有效的表觀模型，如何通過優(yōu)化算法提高跟蹤的實時性，一直是視覺跟蹤方面研究的重點與難點。
　　近些年稀疏表示理論從信號處理領(lǐng)域逐漸被應用到視覺追蹤領(lǐng)域，特別是2004年壓縮感知理論的提出，更加擴大了稀疏表示在視覺追蹤領(lǐng)域的應用。雖然基于稀疏表示的視覺追蹤能一定程度上較好的應對光照和部分遮擋的影響，然而其算法復雜度高，實時性比較差，并且在目標發(fā)生較大姿態(tài)變化以及嚴重遮擋時，跟蹤效果不盡人意。本文主要學習與研究了稀疏表示

3、以及壓縮感知理論知識，并將其應用于視覺跟蹤領(lǐng)域，針對稀疏表示目標跟蹤的經(jīng)典算法——L1 Tracker以及CT算法的優(yōu)點與不足，提出了基于正反向稀疏表示的運動目標跟蹤算法：
　　首先，通過壓縮感知理論，設(shè)計觀測矩陣，對目標的特征進行壓縮投影，并根據(jù)特征特點進行多特征融合。
　　其次，根據(jù)目標與背景存在的空間上下文位置關(guān)系，在模版中加入了背景模版特征，構(gòu)建融合了背景上下文信息的目標過完備字典。
　　再次，針對簡化的采樣運

4、動模型，在采樣過程中不具備方向性，需要通過大量采樣來保證目標跟蹤的準確性問題，改進了稀疏表示，使用反向稀疏表示來篩選采樣粒子，達到初步定位，再次精確采樣，通過正向稀疏觀測目標。
　　最后，結(jié)合稀疏表示重構(gòu)過程的實際情況，使用了塊正交匹配追蹤（BOMP）算法加速稀疏表示重構(gòu)，提高了跟蹤的速度。
　　通過大量實驗設(shè)計與驗證，表明了我們提出的基于正反向稀疏表示的目標跟蹤算法在標準視頻幀中能夠有效的應對光照、遮擋、旋轉(zhuǎn)等各種干擾因素