基于稀疏表示的目標跟蹤算法研究與實現(xiàn).pdf

1、目標跟蹤是計算機視覺領域研究方向的一個重要方面，主要目的是跟蹤目標物體在視頻的每一幀中的外觀和運動狀態(tài)的變化。近年來，稀疏表示被應用到視覺跟蹤領域，通常選擇最小重構誤差的候選區(qū)域作為目標。但是大多數基于稀疏表示的方法只利用全局特征，或者僅考慮局部特征的最小重構誤差，沒有充分利用稀疏編碼系數，或者忽略了字典判別性的作用，尤其當目標被相似物遮擋時，往往會導致跟蹤目標丟失。針對上述問題，我們的主要工作如下:
　　首先，我們首先把FDDL

2、算法引入到目標跟蹤算法中，利用FDDL算法學習一個判別式字典，在該判別式字典的基礎上，我們設計了兩種不同的目標跟蹤算法模型:基于FDDL的判別式跟蹤模型和基于FDDL的生成式跟蹤模型，實驗證明這兩種目標跟蹤模型都具有較好的重構性和判別性。
　　其次，我們通過分析局部特征的結構性質，提出了一種加權局部特征的外觀模型，根據提取的局部特征所處位置的不同，給每一個局部特征賦予不同的權重，然后提出一種自適應權重更新策略，根據每一個局部特征在

3、跟蹤過程中特征值的變化，對權重進行更新，使算法能更好地適應跟蹤目標的外觀變化。在加權局部特征的外觀模型基礎上，我們提出了一種新的基于加權的相似性度量方法來處理目標外觀變化問題，以此來提高跟蹤的精確度和魯棒性。
　　最后，我們在基于判別式字典的生成式跟蹤框架下引入加權局部特征，該方法不僅能夠較好的區(qū)分前景和背景，而且能夠有效的對局部特征進行結構分析，能夠較好的抑制目標區(qū)域內部背景的負面作用。在多個基準圖像序列上，與多種流行方法對比，