基于稀疏表示和時空上下文的目標(biāo)跟蹤方法研究.pdf

1、在計算機(jī)視覺的研究范疇中，視頻運(yùn)動目標(biāo)跟蹤技術(shù)是視頻內(nèi)容分析的關(guān)鍵技術(shù)，受到廣泛關(guān)注。在運(yùn)動分析、模式識別、視頻監(jiān)控、人機(jī)交互和交通管理等視覺任務(wù)中扮演著重要的角色，并能為更高級的視頻處理提供基礎(chǔ)信息。在科技領(lǐng)域中，視頻目標(biāo)跟蹤技術(shù)得到了普遍的應(yīng)用。
　　貝葉斯方法在系統(tǒng)狀態(tài)估計中有很好的應(yīng)用效果，因此，很多目標(biāo)跟蹤算法都是以貝葉斯跟蹤框架為基礎(chǔ)，構(gòu)造觀測模型和運(yùn)動模型來完成跟蹤任務(wù)。
　　利用自適應(yīng)外觀模型能夠提高跟蹤算法

2、的穩(wěn)定性和準(zhǔn)確性。按照構(gòu)造方式的不同，外觀模型可分為生成模型和判別模型。在貝葉斯跟蹤框架中，結(jié)合判別模型和生成模型的特點完成跟蹤任務(wù)，提出一種基于超像素和局部稀疏表示的目標(biāo)跟蹤方法。對訓(xùn)練幀圖像進(jìn)行超像素分割，并通過聚類方法構(gòu)造基于超像素的判別型外觀模型；在第一幀圖像中，計算目標(biāo)模板的稀疏性直方圖，構(gòu)造生成型外觀模型。在跟蹤階段，計算基于超像素的置信圖，采樣候選樣本，并計算候選樣本的置信值；從樣本采集局部圖塊，計算每個樣本所有圖塊的稀疏

3、表示系數(shù)，得到樣本的稀疏性直方圖，并計算樣本直方圖與模板直方圖的相似度。根據(jù)置信值和相似度，計算觀測模型，結(jié)合觀測模型和運(yùn)動模型，計算候選樣本后驗估計值，確定目標(biāo)跟蹤結(jié)果。為提高外觀模型的自適應(yīng)性，對兩種外觀模型都保持在線獨立更新。利用判別型外觀模型可以將目標(biāo)對象從背景中區(qū)分開來，而生成型外觀模型包含目標(biāo)空間信息，可以用來處理跟蹤過程中的遮擋問題。仿真實驗表明，目標(biāo)發(fā)生外觀變化時，算法能得到較好的跟蹤結(jié)果。
　　利用時空上下文信息

4、進(jìn)行跟蹤，擴(kuò)展了跟蹤任務(wù)中可利用的資源。當(dāng)目標(biāo)由于遮擋、姿態(tài)變化等原因引起外觀產(chǎn)生劇烈變化時，仍然可以利用時空上下文信息對目標(biāo)定位。提出一種改進(jìn)的時空上下文跟蹤算法，首先利用反卷積方法對目標(biāo)及其周圍局部背景區(qū)域?qū)W習(xí)空間上下文模型，然后將獲得的空間上下文模型用于在新的一幀中更新時空上下文模型。在學(xué)習(xí)時空上下文的過程中引入視覺顯著性特征，以顯著性特征作為目標(biāo)及局部上下文區(qū)域的特征描述，降低局部上下文區(qū)域的整體圖像復(fù)雜度，提高目標(biāo)檢測的準(zhǔn)確性