基于稀疏表示和壓縮感知的目標(biāo)檢測與跟蹤研究.pdf

1、動(dòng)態(tài)場景下的目標(biāo)檢測和跟蹤是計(jì)算機(jī)視覺領(lǐng)域的重要組成部分，在視頻監(jiān)控、航空制導(dǎo)、人機(jī)交互、交通監(jiān)控等民用和軍事領(lǐng)域上都有廣泛的應(yīng)用。但在實(shí)際應(yīng)用中，目標(biāo)的檢測和跟蹤仍然面臨著各種困難，如光照變化、背景動(dòng)態(tài)變化、目標(biāo)姿勢的改變、遮擋等，因此設(shè)計(jì)魯棒的視頻目標(biāo)檢測和跟蹤算法仍然是具有挑戰(zhàn)性的任務(wù)。
　　稀疏表示和壓縮感知理論是近年來比較受關(guān)注的前沿理論，其中圖像稀疏表示是研究熱點(diǎn)之一，在目標(biāo)識(shí)別和跟蹤中都取得了較好的效果?；谙∈璞硎?/p>

2、和壓縮感知理論，本文的主要研究工作和創(chuàng)新點(diǎn)如下:
　　針對復(fù)雜場景下的視頻目標(biāo)，提出了一種基于分層模型的的背景差分目標(biāo)檢測算法。首先研究了動(dòng)態(tài)組稀疏信號及其重構(gòu)算法，改進(jìn)實(shí)現(xiàn)自適應(yīng)稀疏度的動(dòng)態(tài)組稀疏重構(gòu)算法，提出了基于自適應(yīng)DGS的背景差分算法實(shí)現(xiàn)目標(biāo)檢測。針對視頻序列中場景的動(dòng)態(tài)變化，采用在線背景字典學(xué)習(xí)算法，利用前幾幀的重構(gòu)背景作為訓(xùn)練樣本來更新，避免了由單一或有一定噪聲的背景樣本更新背景模型而產(chǎn)生誤差。最后，針對圖像稀疏信號

3、重構(gòu)算法復(fù)雜的計(jì)算量，提出分層模型目標(biāo)檢測算法。實(shí)驗(yàn)結(jié)果表明，該算法能夠減少計(jì)算的像素量，降低背景重構(gòu)的復(fù)雜度，減少算法運(yùn)行時(shí)間。
　　針對復(fù)雜背景條件下運(yùn)動(dòng)目標(biāo)實(shí)時(shí)跟蹤問題，提出一種基于MCMC(MarkovChain Monte Carlo)采樣的壓縮感知實(shí)時(shí)目標(biāo)跟蹤算法。該算法首先用隨機(jī)測量矩陣對采樣得到的樣本特征向量進(jìn)行壓縮描述，并用基于MCMC的采樣方法生成粒子提議分布。其中本文改進(jìn)傳統(tǒng)的MCMC采樣方法，以貝葉斯分類器