基于顯著性檢測和壓縮感知的視覺跟蹤.pdf

1、視覺跟蹤作為計算機視覺領(lǐng)域的基礎(chǔ)性研究熱點，具有廣泛的實際應(yīng)用意義。但是現(xiàn)有的跟蹤算法仍存在很多缺點，本文針對視覺跟蹤存在的技術(shù)難點，做出了以下幾方面的工作：
　?、畔到y(tǒng)的闡述了不同跟蹤算法和視覺注意模型的實現(xiàn)原理，并且分析了其優(yōu)缺點。根據(jù)人類視覺認(rèn)知機制建立計算機模型，并檢測圖像中的視覺顯著區(qū)域。重點研究了頻域算法實現(xiàn)，為后續(xù)視覺跟蹤特征選擇和跟蹤的穩(wěn)定性優(yōu)化提供理論依據(jù)。
　　⑵基于視覺顯著原目標(biāo)估計預(yù)測目標(biāo)運動狀態(tài)，采

2、用視覺原目標(biāo)描述真實目標(biāo)的顯著假設(shè)區(qū)域，結(jié)合目標(biāo)中心附近區(qū)域的視覺顯著值檢測視覺顯著原目標(biāo)，建立圖像視覺原目標(biāo)與跟蹤目標(biāo)間的聯(lián)合后驗分布，根據(jù)吉布斯采樣原理優(yōu)化逼近此分布模型，最后根據(jù) MAP(最大后驗概率)算法得到最優(yōu)的目標(biāo)中心位置估計。
　　⑶針對傳統(tǒng)均值漂移算法單一特征描述的不足，提出一種基于視覺顯著性特征的自適應(yīng)目標(biāo)跟蹤算法。該算法基于頻域濾波原理檢測目標(biāo)視覺顯著圖，結(jié)合顏色特征和視覺顯著性特征描述目標(biāo)模型，并根據(jù)相似系數(shù)

3、的大小自適應(yīng)的調(diào)節(jié)轉(zhuǎn)移向量融合權(quán)值，有效的克服了跟蹤不穩(wěn)定性和背景融合干擾，提高復(fù)雜背景下目標(biāo)跟蹤的準(zhǔn)確性。
　?、柔槍eal-time CT算法中弱分類器學(xué)習(xí)速率恒定，當(dāng)目標(biāo)快速運動或目標(biāo)發(fā)生較大變化時，容易出現(xiàn)目標(biāo)漂移甚至丟失的問題，提出一種自適應(yīng)調(diào)節(jié)學(xué)習(xí)速率的目標(biāo)跟蹤算法。采用特征加權(quán)壓縮感知隨機稀疏矩陣提取目標(biāo)特征，基于樣本類條件分布的對稱 KL距離自適應(yīng)確定弱分類器的學(xué)習(xí)速率，采用樸素貝葉斯分類器預(yù)測下一幀中目標(biāo)中心位