基于隨機(jī)投影和稀疏表示的跟蹤算法.pdf

1、目標(biāo)跟蹤技術(shù)是智能視頻處理領(lǐng)域的研究熱點(diǎn)，受到了研究人員的普遍關(guān)注，在工業(yè)生產(chǎn)、軍事國防以及安防監(jiān)控等領(lǐng)域應(yīng)用廣泛。經(jīng)過廣大研究人員的積極研究和探索，目標(biāo)跟蹤技術(shù)在理論研究和實(shí)際應(yīng)用方面都取得了顯著的成果。但是由于跟蹤場景存在多樣性和復(fù)雜性，因此目標(biāo)跟蹤技術(shù)存在諸多難點(diǎn)。
　　針對目標(biāo)跟蹤過程中存在的諸多技術(shù)問題，本文提出了一種基于隨機(jī)投影和稀疏表示的目標(biāo)跟蹤方法。本文的外觀模型是基于稀疏表示的全局判決分離器，通過構(gòu)造正負(fù)模板描述

2、目標(biāo)的狀態(tài)，然后采用隨機(jī)投影方法對模板圖像進(jìn)行降維;運(yùn)動模型則采用改進(jìn)的粒子濾波方法，并且在算法中加入了具有遮擋判決功能的模板更新機(jī)制。
　　論文主要工作如下:
　　1、本文采用基于稀疏表示的全局模板描述目標(biāo)的表觀狀態(tài)，在初始幀分別構(gòu)造表示目標(biāo)的正模板和表示背景的負(fù)模板，然后將正負(fù)模板組成字典對候選目標(biāo)進(jìn)行稀疏表示，以區(qū)分目標(biāo)和背景。
　　2、為了降低算法的時間復(fù)雜度，本文采用隨機(jī)投影法分別對正負(fù)模板和候選目標(biāo)進(jìn)行降維

3、，以減少L1優(yōu)化問題的計(jì)算量，提高跟蹤的效率。
　　3、本文采用粒子濾波法預(yù)測目標(biāo)的運(yùn)動狀態(tài)，提出局部加權(quán)計(jì)算方法計(jì)算后驗(yàn)概率，并且采用多項(xiàng)式重采樣方法進(jìn)行粒子重采樣，以保持粒子的多樣性。
　　4、本文設(shè)計(jì)正負(fù)模板更新策略，將正模板分為固定集和更新集，對這兩部分在相似度計(jì)算和正模板更新時采取不同處理方法，并且加入目標(biāo)遮擋的判決機(jī)制，從而有效地避免了遮擋的影響，提高了算法的魯棒性。
　　實(shí)驗(yàn)結(jié)果表明，當(dāng)目標(biāo)出現(xiàn)遮擋、快速