基于壓縮感知的預(yù)測目標跟蹤算法研究.pdf

1、目標跟蹤在智能視頻監(jiān)控系統(tǒng)、人機交互、虛擬現(xiàn)實和智能交通中有著廣泛的應(yīng)用，是計算機視覺領(lǐng)域的研究熱點。壓縮感知因其能夠降低信號采樣頻率，降低目標跟蹤算法復(fù)雜度，因此壓縮感知在目標跟蹤算法的應(yīng)用被廣泛引起關(guān)注。
　　基于壓縮感知的目標跟蹤算法對于感知矩陣的選取非常重要，選擇稀疏度較高又能準確表征原始特征的感知矩陣，能夠提高跟蹤算法的準確度和降低算法的運行時間。同時，基于壓縮感知的目標跟蹤算法框架是基于檢測的目標跟蹤算法。若能在壓縮感

2、知的目標跟蹤算法框架下加入預(yù)測目標的作用，則可以進一步提高跟蹤算法的準確度。目前，上述研究不多。
　　提出利用分塊壓縮感知矩陣，使感知矩陣的規(guī)模與原始信號的維度無關(guān)，大大降低了感知矩陣規(guī)模,提升跟蹤算法實時性。針對目標跟蹤問題具有連續(xù)性的特點，提出一種利用先驗知識區(qū)分目標和背景的分類方法，通過計算正負樣本先驗概率，增大分類器分類目標和背景差異。同時，為了避免矩形目標跟蹤框的邊緣信息干擾跟蹤算法，采用帶權(quán)分塊特征提取方法，按照高斯分

3、布，給圖像塊分配權(quán)重，弱化背景干擾。
　　提出結(jié)合目標預(yù)測位置的壓縮跟蹤算法。利用Mean shift預(yù)測目標位置，將目標預(yù)測位置與檢測位置的距離權(quán)重加入分類器，增大候選目標之間的區(qū)分度，削弱因類似候選目標給分類器帶來的迷惑性，提升跟蹤算法準確性。考慮到目標跟蹤問題出現(xiàn)的目標漂移問題，為了算法在出現(xiàn)目標短暫丟失或目標遮擋的情況下仍然能準確跟蹤目標，提出一種非線性的參數(shù)學(xué)習(xí)策略。非線性參數(shù)學(xué)習(xí)方法能夠在目標未丟失的情況下以較大權(quán)重學(xué)