基于稀疏表示模型的目標(biāo)跟蹤算法.pdf

1、近年來，目標(biāo)跟蹤技術(shù)在國內(nèi)外得到了廣泛而深入的研究和發(fā)展，并且在很多領(lǐng)域都具有廣泛的應(yīng)用前景。目前，目標(biāo)跟蹤還面臨許多困難和挑戰(zhàn)，包括目標(biāo)形狀變化、背景干擾、光照變化、遮擋問題等，并且需要同時(shí)滿足跟蹤過程的準(zhǔn)確性和實(shí)時(shí)性的要求。一般而言，一個(gè)基于粒子濾波框架的視頻目標(biāo)跟蹤系統(tǒng)由以下各部分組成：目標(biāo)初始化、輸入視頻圖像、目標(biāo)外觀模型、目標(biāo)運(yùn)動(dòng)模型、目標(biāo)觀測模型、目標(biāo)定位和目標(biāo)模板更新模型。本文所研究的目標(biāo)跟蹤算法，都是建立在粒子濾波框架的

2、體系下，主要工作如下：
　?。?）研究了一種基于改進(jìn)的稀疏表示模型的跟蹤算法，該模型的優(yōu)勢在于能夠快速地進(jìn)行迭代求解，提高跟蹤的速度。在此基礎(chǔ)上，改進(jìn)目標(biāo)運(yùn)動(dòng)模型，引入跟蹤目標(biāo)的多個(gè)位置狀態(tài)參數(shù)，從而實(shí)現(xiàn)目標(biāo)在尺寸變化和旋轉(zhuǎn)變化下的有效跟蹤。文中詳細(xì)介紹了該算法的各個(gè)組成部分，包括運(yùn)動(dòng)模型、質(zhì)點(diǎn)構(gòu)造、觀測模型、模板更新等，實(shí)驗(yàn)驗(yàn)證了該算法的有效性。
　?。?）研究了一種基于增量2D子空間學(xué)習(xí)的跟蹤算法，該算法直接提取出目標(biāo)的

3、二維圖像，并且將每一幀視頻中提取出的目標(biāo)加入到二維圖像訓(xùn)練集中，通過增量2D-PCA算法更新子空間，得到圖像訓(xùn)練集的均值、特征值以及行投影特征向量和列投影特征向量。依據(jù)學(xué)習(xí)得到的行、列投影特征向量就可以有效地表示目標(biāo)外觀。實(shí)驗(yàn)驗(yàn)證了該算法的有效性，但在嚴(yán)重遮擋的情況下，此算法存在著嚴(yán)重的缺陷。
　　（3）研究了一種基于子空間稀疏表示模型的跟蹤算法，分別實(shí)現(xiàn)了將增量一維子空間學(xué)習(xí)和稀疏表示模型相結(jié)合以及將增量二維子空間學(xué)習(xí)和稀疏表示