基于統(tǒng)計(jì)學(xué)習(xí)的視覺(jué)目標(biāo)跟蹤算法研究.pdf

1、視頻目標(biāo)跟蹤是計(jì)算機(jī)視覺(jué)領(lǐng)域的核心問(wèn)題,在民用和軍事上都具有廣泛地應(yīng)用。盡管人們已經(jīng)提出了許多有效的視頻目標(biāo)跟蹤算法,但是在實(shí)際應(yīng)用中視頻目標(biāo)跟蹤仍然面臨許多困難,如光照變化、目標(biāo)姿態(tài)的改變、非線性形變以及背景中的噪聲和干擾等,因此設(shè)計(jì)魯棒的視頻目標(biāo)跟蹤算法仍然是一項(xiàng)具有挑戰(zhàn)性的任務(wù)。
　　本文在粒子濾波框架內(nèi),從視頻跟蹤算法的兩個(gè)主要方面,即目標(biāo)表觀設(shè)計(jì)和似然度設(shè)計(jì),開(kāi)展了深入的研究,并針對(duì)視頻目標(biāo)跟蹤中的難點(diǎn)問(wèn)題,提出了一些有

2、效的新算法。
　　本文的主要研究成果如下:
　　1.提出了一種基于非負(fù)最小二乘估計(jì)的視覺(jué)目標(biāo)跟蹤算法。該算法從新的視角看待經(jīng)典模板匹配算法。模板用其在由多個(gè)采樣粒子對(duì)應(yīng)的特征向量張成的空間上的線性投影來(lái)近似。系數(shù)施加非負(fù)性約束,它反映了評(píng)估模板和候選粒子的相似程度,可用于粒子權(quán)重的定義。實(shí)驗(yàn)結(jié)果表明所提算法具有更好的跟蹤精度,并對(duì)噪聲具有更強(qiáng)的魯棒性。
　　2.提出了一種基于局部約束最小二乘估計(jì)的視覺(jué)目標(biāo)跟蹤算法。該算

3、法給出目標(biāo)拓?fù)浣Y(jié)構(gòu)的一種描述方法,該描述充分探討了目標(biāo)塊信息之間的關(guān)系,給出新的目標(biāo)表觀表示,這有助于處理目標(biāo)遮擋及背景雜波干擾問(wèn)題。然后基于巴氏系數(shù)給出觀測(cè)似然模型。實(shí)驗(yàn)結(jié)果表明該算法具有更好的跟蹤精度,并能適應(yīng)目標(biāo)的尺度變化。
　　3.提出了基于l2范數(shù)正則化最小二乘估計(jì)的視頻目標(biāo)跟蹤算法。模板和候選區(qū)域的特征在一組字典基上的表示系數(shù)通過(guò)具有l(wèi)2范數(shù)正則化的最小二乘估計(jì)得到,該估計(jì)具有解析解,計(jì)算量小。而且后者在建模中引進(jìn)先驗(yàn)

4、知識(shí),以增加算法對(duì)遮擋、光照、雜波、姿態(tài)變化等的魯棒性。字典中引進(jìn)的平凡模板可解釋噪聲。相似度度量是基于模板和候選區(qū)域特征的表示系數(shù)的歐式距離定義的,這進(jìn)一步提高了算法的區(qū)分能力。
　　4.提出了一種基于子空間的多任務(wù)稀疏學(xué)習(xí)和Grassmann更新的增量型視頻目標(biāo)跟蹤算法。該算法基于子空間表示給出多任務(wù)稀疏學(xué)習(xí)模型,它能有效解決背景或異常對(duì)目標(biāo)表觀表示的影響。在跟蹤目標(biāo)時(shí),采用定義在仿射群Aff(2)上的粒子濾波算法,狀態(tài)模型為