基于聯(lián)合稀疏外觀建模的目標(biāo)跟蹤算法研究與實現(xiàn).pdf

1、目標(biāo)跟蹤技術(shù)是計算機視覺研究中的一個熱點課題，近年來已經(jīng)在軍事、民用等方面取得巨大進步，但是仍然存在若干挑戰(zhàn)需要解決，包括目標(biāo)形變、尺度變化、遮擋等困難。
　　本文提出了一種魯棒的基于聯(lián)合稀疏外觀建模的目標(biāo)跟蹤算法，該算法主要包括聯(lián)合外觀模型、改進的運動模型以及模板更新策略。為了應(yīng)對跟蹤過程中目標(biāo)外觀的變化，本文提出了一種聯(lián)合稀疏外觀模型，包括子區(qū)域分塊法、模板空間重構(gòu)法和多尺度分塊法三種方式描述目標(biāo)外觀信息，其中子區(qū)域分塊法首先

2、將目標(biāo)劃分成許多小塊，然后根據(jù)小塊的分布情況劃分成若干子區(qū)域，每個目標(biāo)字典庫的建立是在每個子區(qū)域內(nèi)獨立建立字典后再組合起來，這樣做可以在一定程度上實現(xiàn)目標(biāo)不同部位之間的空間對齊；模板空間重構(gòu)法通過將模板的不同區(qū)域的圖像塊互相交換位置，能夠?qū)⒋竺娣e連續(xù)遮擋進行瑣碎化處理，在不增加計算量的情況下有效的處理遮擋，并且還能夠保留目標(biāo)自身的結(jié)構(gòu)信息；多尺度分塊方法將模板按照不同尺度從垂直方向和水平方向進行分塊，各個圖像塊互相包含，這樣做可以用較大

3、的互相垂直的圖像塊定位更加細小的遮擋位置，并且較好的保留了目標(biāo)空間結(jié)構(gòu)信息。在運動模型方面，本文改進了傳統(tǒng)的粒子濾波模型，一方面使用二次搜索的方式，在保證算法準(zhǔn)確性的前提下提高跟蹤效率，另一方面賦予每個候選粒子一個動態(tài)的權(quán)重值，用以權(quán)衡每個粒子的貢獻程度。此外，本文還設(shè)計了一種動態(tài)字典構(gòu)建方法和柔性模板更新策略，在跟蹤過程中采用模板池動態(tài)生成目標(biāo)字典，該模板池由多種類型的目標(biāo)模板集構(gòu)成，可以準(zhǔn)確描述目標(biāo)的最新狀態(tài)，并且采用一種柔性機制更