基于稀疏表達(dá)的目標(biāo)跟蹤算法研究.pdf

1、隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展，圖像處理和計(jì)算能力得到了極大提高，計(jì)算機(jī)視覺也取得了較快的發(fā)展。視覺目標(biāo)跟蹤技術(shù)是計(jì)算機(jī)視覺領(lǐng)域的重點(diǎn)問題。目前，雖然專家學(xué)者已經(jīng)研究了很長(zhǎng)時(shí)間，取得了豐碩的研究成果，但是由于目標(biāo)易受遮擋、光照強(qiáng)度變化、目標(biāo)旋轉(zhuǎn)等干擾因素的影響，復(fù)雜背景下的目標(biāo)跟蹤問題依然面臨著各種挑戰(zhàn)。如何設(shè)計(jì)魯棒性強(qiáng)的目標(biāo)跟蹤算法來應(yīng)對(duì)各種挑戰(zhàn)仍是亟待解決的問題。
　　本文通過研究基于稀疏表達(dá)的目標(biāo)跟蹤算法做了以下主要工作：基于L1

2、最小化跟蹤算法的研究及改進(jìn)，基于L1最小化跟蹤算法共有兩個(gè)缺點(diǎn)：一是稀疏性假設(shè)并不是一直成立；二是計(jì)算復(fù)雜度太高，算法實(shí)時(shí)性不好。針對(duì)以上缺點(diǎn)對(duì)該算法進(jìn)行改進(jìn)，利用大幅度擾動(dòng)模板代替正負(fù)小模板組建稀疏字典。實(shí)驗(yàn)表明算法的實(shí)時(shí)性得到改善，但是復(fù)雜場(chǎng)景下目標(biāo)跟蹤的魯棒性仍受到影響?；诰植拷Y(jié)構(gòu)化稀疏目標(biāo)跟蹤算法的改進(jìn)：首先對(duì)灰度特征空間進(jìn)行類棋盤格交叉像素取樣，然后對(duì)取樣后的圖像采用一種新的局部結(jié)構(gòu)化方法進(jìn)行稀疏字典的組建。實(shí)驗(yàn)表明改進(jìn)后的

3、算法在保證跟蹤準(zhǔn)確性的同時(shí)改善了跟蹤實(shí)時(shí)性。通過研究基于稀疏表達(dá)的判別式跟蹤算法，采用全局模板和局部結(jié)構(gòu)化的混合模板對(duì)目標(biāo)進(jìn)行表觀建模，全局模板對(duì)目標(biāo)候選的稀疏表示可得重構(gòu)誤差，局部結(jié)構(gòu)化稀疏字典對(duì)目標(biāo)候選進(jìn)行稀疏表示可得相似性函數(shù)，然后利用logistic判別函數(shù)將兩種建模方式結(jié)合起來，將最優(yōu)的判別結(jié)果作為跟蹤結(jié)果。實(shí)驗(yàn)部分針對(duì)六種不同噪聲干擾的序列進(jìn)行跟蹤，并將本文算法與單獨(dú)使用全局模板和局部結(jié)構(gòu)化的方法進(jìn)行對(duì)比，實(shí)驗(yàn)結(jié)果表明本文提