樸素貝葉斯框架下基于線性隨機(jī)測(cè)量的實(shí)時(shí)目標(biāo)跟蹤算法研究.pdf

1、視覺目標(biāo)跟蹤在實(shí)際應(yīng)用中得到了廣泛的研究,如智能視頻監(jiān)控、人機(jī)交互、智能交通、虛擬現(xiàn)實(shí)等。雖然大量的跟蹤算法已被提出,但魯棒和有效的視覺目標(biāo)跟蹤系統(tǒng)仍然是一個(gè)非常具有挑戰(zhàn)性的問題,因?yàn)樵撓到y(tǒng)需要能夠應(yīng)對(duì)由于姿態(tài)與光照變化、遮擋以及運(yùn)動(dòng)模糊等諸多因素所帶來的影響,同時(shí)還要兼顧處理的實(shí)時(shí)性問題。
　　壓縮感知理論中的線性隨機(jī)測(cè)量技術(shù)能夠在保證信息不損失的基礎(chǔ)上極大壓縮原數(shù)據(jù),將其用于基于外觀模型的視覺目標(biāo)跟蹤可兼顧跟蹤的魯棒性及實(shí)時(shí)性

2、,具有較好的研究?jī)r(jià)值。本論文在對(duì)其進(jìn)行深入研究的基礎(chǔ)上,提出了基于局部區(qū)域相似度和外觀模型再匹配的兩種改進(jìn)算法與一種基于加權(quán)分塊的改進(jìn)算法,在一定程度上提高了算法的跟蹤精度和抗遮擋能力。整個(gè)論文的研究工作主要集中在以下四個(gè)方面:
　　1)提出了一種利用局部區(qū)域相似度匹配策略來提升基于線性隨機(jī)測(cè)量的實(shí)時(shí)目標(biāo)跟蹤精度的改進(jìn)算法。該算法使用稀疏測(cè)量矩陣提取候選目標(biāo)的低維多尺度特征,在采用樸素貝葉斯分類器判別目標(biāo)與背景實(shí)現(xiàn)粗跟蹤的基礎(chǔ)上,

3、利用視頻幀間候選目標(biāo)內(nèi)部區(qū)域所具有的相似性,實(shí)施基于動(dòng)態(tài)目標(biāo)外觀模型的二次跟蹤,在線定位最佳的跟蹤目標(biāo)位置。
　　2)提出了一種利用外觀模型再匹配策略來提升基于線性隨機(jī)測(cè)量的實(shí)時(shí)目標(biāo)跟蹤精度的改進(jìn)算法。該算法將基于線性隨機(jī)測(cè)量的實(shí)時(shí)目標(biāo)跟蹤算法中的分類器值H(v)值按降序排列,取前三十個(gè)候選目標(biāo),使用目標(biāo)外觀再匹配模型在線尋找最佳的跟蹤位置,提高跟蹤的精度。
　　3)提出了一種利用加權(quán)分塊來提升線性隨機(jī)測(cè)量抗遮擋問題的實(shí)時(shí)目