基于稀疏表示的結(jié)構(gòu)化目標跟蹤算法研究.pdf

1、運動目標跟蹤技術(shù)在軍事和民用等領(lǐng)域具有廣泛的應(yīng)用前景。但由于應(yīng)用環(huán)境的復(fù)雜性,跟蹤過程中目標容易受到部分或全部遮擋、外觀變化、姿態(tài)變化、光照變化、平面內(nèi)旋轉(zhuǎn)等綜合因素的影響,給跟蹤技術(shù)的發(fā)展帶來了極大的困難。
　　 本文對基于稀疏表示的復(fù)雜場景下運動目標跟蹤問題進行研究,將特征點檢測、匹配等一系列算法與目前流行的圖像稀疏表示理論相結(jié)合,提升了傳統(tǒng)跟蹤器的魯棒性。本文完成的主要工作和貢獻有:
　　 1、提出了兩種關(guān)鍵點相關(guān)

2、算法:基于稀疏表示的關(guān)鍵點誤匹配去除算法以及基于在線字典學(xué)習(xí)的目標矩形區(qū)域背景特征點去除算法。利用帶有上下文信息的關(guān)鍵點所在區(qū)域圖像樣本之間的稀疏性用以代替?zhèn)鹘y(tǒng)上基于統(tǒng)計的RANSAC方法以及去除目標矩形區(qū)域內(nèi)混入的背景特征點。
　　 2、提出了一種目標結(jié)構(gòu)化表示方法以及跟蹤過程中目標結(jié)構(gòu)的調(diào)整算法。該方法使得目標在發(fā)生部分遮擋的情況下也能根據(jù)目標的部分信息獲得較為準確的目標中心。
　　 3、提出了一種結(jié)合了判別模型與生

3、成模型的粒子濾波觀察模型與轉(zhuǎn)移模型。代替?zhèn)鹘y(tǒng)的使用高斯分布的觀察模型。使得基于目標結(jié)構(gòu)信息的轉(zhuǎn)移模型能夠引導(dǎo)粒子采樣,并使得粒子的采樣更有效率,基于局部稀疏表示的觀察模型能夠為跟蹤提供更好的判別性。
　　 將本文提出的算法應(yīng)用于單目標跟蹤,并采用通用的單目標跟蹤測試集進行測試,并與近期提出的效果較好、較有代表性的六種單目標跟蹤算法進行對比,對比實驗表明本文提出的算法在平均偏移距離上優(yōu)于其它的六類算法,屬于性能較為穩(wěn)定的一種跟蹤算