基于稀疏表示的多車輛目標(biāo)跟蹤算法研究.pdf

1、多目標(biāo)檢測與跟蹤,是計算機視覺的核心問題之一,雖然已經(jīng)有了豐富的研究成果和應(yīng)用,但仍然存在很多困難有待優(yōu)化解決。場景中的不可預(yù)測因素,如陰影、光照、目標(biāo)之間的遮擋等都會對目標(biāo)的觀測造成影響,導(dǎo)致無法正確關(guān)聯(lián)和匹配目標(biāo)。稀疏表示理論是近年來信號處理領(lǐng)域理論上的突破。如果信號是稀疏的,稀疏表示可以從稀疏信號的少量低維觀測值中重構(gòu)原信號,具有較強的抗干擾的能力。本文以動態(tài)交通場景中的車輛目標(biāo)為跟蹤的對象,用稀疏表示的思想來對多目標(biāo)進(jìn)行跟蹤,解

2、決常見的多目標(biāo)跟蹤的難點,如多目標(biāo)之間的遮擋,匹配問題。
　　 本研究主要內(nèi)容包括：⑴針對動態(tài)交通場景車輛持續(xù)運動,背景出現(xiàn)概率較大的特點,本文提出了一種基于彩色視覺信息統(tǒng)計的背景建模算法,克服了傳統(tǒng)基于統(tǒng)計的背景建模方法的缺點,有效區(qū)分場景中的前景和背景；⑵在多車輛目標(biāo)的檢測和定位方面,分析了陰影、光照突變、目標(biāo)區(qū)域分裂這些影響目標(biāo)正確檢測和定位的干擾因素在圖像中的特點。陰影和光照突變區(qū)域的紋理與背景之間的紋理相似,本文用歸一

3、化互相關(guān)的方法來檢測和去除陰影和光照突變。利用目標(biāo)分裂連通域的多種特征來判斷目標(biāo)區(qū)域是否可能分裂,用二次差分的方法來合并分裂的目標(biāo),從而能較準(zhǔn)確地檢測定位多車輛目標(biāo)；⑶在多車輛目標(biāo)跟蹤方面,研究了稀疏表示理論,提出了將多車輛目標(biāo)跟蹤問題轉(zhuǎn)化成多稀疏信號的稀疏表示重構(gòu)問題的思想,基于目標(biāo)的顏色和紋理特征進(jìn)行稀疏表示觀測矩陣的建模,提出一種兩輪重構(gòu)匹配算法跟蹤多目標(biāo)的運動軌跡,解決多目標(biāo)之間的遮擋、分裂等難點問題,設(shè)計了一種觀測矩陣在線更新