基于增量學(xué)習(xí)判別模型的目標(biāo)跟蹤方法研究.pdf

1、視頻目標(biāo)跟蹤是計(jì)算機(jī)視覺(jué)領(lǐng)域的核心技術(shù)，它在人機(jī)交互、智能監(jiān)控、人形機(jī)器人等各個(gè)領(lǐng)域中起這至關(guān)重要的作用。隨著信息技術(shù)的飛速發(fā)展，越來(lái)越多的智能算法和模式識(shí)別理論被相繼提出，但是視頻目標(biāo)跟蹤所面臨的挑戰(zhàn)也越來(lái)越嚴(yán)峻，例如目標(biāo)的瞬間高速移動(dòng)、攝像機(jī)視角的變化、目標(biāo)場(chǎng)景中背景與目標(biāo)的關(guān)系復(fù)雜、不理想的光照條件、遮擋等問(wèn)題，因此設(shè)計(jì)準(zhǔn)確、魯棒、高效的視頻目標(biāo)跟蹤算法仍是一項(xiàng)非常具有挑戰(zhàn)性的任務(wù)。
　　 判別模型目標(biāo)跟蹤是近幾年提出的目

2、標(biāo)跟蹤的新理念，它將視頻目標(biāo)跟蹤問(wèn)題視為目標(biāo)物與背景的二分類問(wèn)題，利用分類器或其他判別方法從每幀圖像的背景中區(qū)分出目標(biāo)。本文首先介紹了與目標(biāo)跟蹤和二分類判別有關(guān)的理論知識(shí);其次對(duì)稀疏表示判別分類方法和增量學(xué)習(xí)方法進(jìn)行了深入的研究，并提出了用于相應(yīng)的分類算法和字典更新算法;最后，使用本文提出的跟蹤算法對(duì)一些視頻中的目標(biāo)進(jìn)行有效跟蹤，其主要研究工作包括:
　　 1.針對(duì)過(guò)完備字典判別能力不足的問(wèn)題，提出了一種利用正、負(fù)樣本增量學(xué)習(xí)得

3、到過(guò)完備字典的訓(xùn)練方法。通過(guò)提取當(dāng)前幀中正樣本和負(fù)樣本建立字典學(xué)習(xí)目標(biāo)函數(shù)的判別約束項(xiàng)，使得學(xué)習(xí)的到的過(guò)完備字典不但對(duì)目標(biāo)類有效，同時(shí)拒判非目標(biāo)類，并利用增量學(xué)習(xí)的方式對(duì)當(dāng)前字典中的原子實(shí)時(shí)更新，提高過(guò)完備字典在跟蹤過(guò)程中的自適應(yīng)性。試驗(yàn)驗(yàn)證基于本文字典的目標(biāo)跟蹤算法對(duì)光照變化、目標(biāo)外觀模型變化具有魯棒性。
　　 2.針對(duì)判別模型目標(biāo)跟蹤方法中目標(biāo)候選集合龐大，一步算法不容易快速、準(zhǔn)確搜索目標(biāo)的問(wèn)題，提出了一種基于全局與局部稀疏