面向復(fù)雜環(huán)境的局部稀疏目標(biāo)跟蹤算法研究.pdf

1、視覺目標(biāo)跟蹤是計(jì)算機(jī)視覺核心組成，有著廣泛的應(yīng)用前景，如無(wú)人自動(dòng)駕駛、安全監(jiān)控系統(tǒng)、基于視覺的智能交通等等。雖然這個(gè)領(lǐng)域已經(jīng)被研究了很多年，也取得了不少進(jìn)展，但因?yàn)樵诟欉^(guò)程中興趣目標(biāo)會(huì)經(jīng)歷姿態(tài)變化，光照變化，背景嘈雜，遮擋，運(yùn)動(dòng)模糊等干擾，導(dǎo)致跟蹤目標(biāo)的外觀模型發(fā)生顯著變化，此時(shí)跟蹤器如果不能適應(yīng)以上變化，將造成跟蹤失敗。而稀疏表示因能夠很好的應(yīng)對(duì)噪聲的影響并可以很好地對(duì)目標(biāo)進(jìn)行外觀建模，近年來(lái)被應(yīng)用于運(yùn)動(dòng)目標(biāo)跟蹤領(lǐng)域。
　　現(xiàn)

2、有局部稀疏模型方法的主要有三個(gè)不足之處:1）目標(biāo)局部分塊后，沒有考慮不同局部塊對(duì)甄別目標(biāo)貢獻(xiàn)的大小，導(dǎo)致缺乏判別力;2）構(gòu)建目標(biāo)外觀模型時(shí)沒有考慮時(shí)間上下文的約束作用;3）主成分與稀疏表示相結(jié)合的模板更新會(huì)丟失部分重要信息，且不夠自適應(yīng)。針對(duì)以上三個(gè)問(wèn)題，本文設(shè)計(jì)了一種基于權(quán)重的局部稀疏表示的外觀模型，然后在此基礎(chǔ)上建立了一種目標(biāo)幀間相似度作為目標(biāo)的時(shí)間上下文約束關(guān)系，并基于改進(jìn)的模板更新方法，構(gòu)建了一種局部稀疏表示的自適應(yīng)目標(biāo)跟蹤算法

3、。論文具體工作如下:
　　(1)針對(duì)現(xiàn)有局部稀疏模型使用簡(jiǎn)單分塊來(lái)對(duì)目標(biāo)外形建模的不足，本文設(shè)計(jì)了一種基于權(quán)重的局部稀疏表示的外觀模型。該方法首先對(duì)目標(biāo)進(jìn)行局部分塊，然后對(duì)局部塊進(jìn)行權(quán)重計(jì)算，尋找表現(xiàn)比較一致和穩(wěn)定的局部圖像塊并賦予更高的權(quán)重，最后通過(guò)齊匯聚操作獲得目標(biāo)的最終外觀模型的特征表示。在2015 PAMIbenchmark數(shù)據(jù)集上的測(cè)試表明，通過(guò)權(quán)重操作后，跟蹤算法可以更好地抑制遮擋、運(yùn)動(dòng)模型等噪聲對(duì)跟蹤器性能的影響。<

4、br>　　(2)在權(quán)重的局部稀疏表示的外觀模型基礎(chǔ)上，本文構(gòu)建了一種目標(biāo)幀間相似度作為目標(biāo)的時(shí)間上下文約束，權(quán)重信息和時(shí)間信息二者共同作用促進(jìn)目標(biāo)表達(dá)更加準(zhǔn)確。此外目前增量子空間學(xué)習(xí)與稀疏表示結(jié)合的模板更新方法會(huì)丟失部分信息，且是固定幀地更新目標(biāo)外觀模型。本文改進(jìn)其方法，在模板更新時(shí)，稀疏表示只對(duì)噪聲進(jìn)行稀疏約束而不對(duì)PCA的特征基向量矩陣進(jìn)行稀疏限制，從而確保可以把所有的主成分用于重構(gòu)目標(biāo)并移除噪聲的影響。
　　最后通過(guò)公共的目