復(fù)雜目標描述與穩(wěn)健跟蹤算法研究.pdf

1、視覺目標跟蹤是計算機視覺中的熱點研究領(lǐng)域,在學術(shù)研究和實際應(yīng)用上有著重要價值及意義。視覺目標跟蹤主要是通過處理視頻序列,實時獲取目標的速度、位置、旋轉(zhuǎn)角等運動信息并鎖定住目標的運動軌跡的過程。跟蹤目標的不確定性、目標運動的無規(guī)律性和跟蹤環(huán)境的復(fù)雜性,給目標的穩(wěn)健跟蹤帶來諸多挑戰(zhàn)。在視覺目標跟蹤系統(tǒng)中,最為關(guān)鍵的就是目標描述和目標狀態(tài)估計兩部分。本文也主要針對這兩大模塊進行了研究,主要研究工作如下:
　　1.研究了目標描述方法,尤其

2、是基于稀疏表示的目標描述。基于稀疏表示的目標描述方法理論,提出了基于兩步稀疏表示的目標描述方法。使用目標的全局圖像和局部圖像共同構(gòu)建稀疏表示字典,全局稀疏表示描述了目標外觀的整體信息,局部稀疏表示描述了目標外觀的局部信息和空間信息。結(jié)合兩步稀疏表示系數(shù),針對系數(shù)意義,按其空間位置信息加權(quán)計算目標的全局描述重要性參數(shù)和局部描述的特征向量,最后得到目標觀測概率模型。
　　2.研究了在線學習的模板更新方法,尤其是基于 SKL( Sequ

3、ential Karhunen-Loeve,SKL)和稀疏表示模板更新策略,并提出了一定的改進。采用基于二次函數(shù)的累加概率序列表示改變模板集更新概率,保證模板信息的實時性和多樣性;結(jié)合目標特征向量的空間信息對目標遮擋進行判斷和處理。
　　3.研究了目標跟蹤算法框架,針對大量粒子計算復(fù)雜度高的問題,結(jié)合目標全局描述的重要性參數(shù)對粒子進行篩選,以提高系統(tǒng)效率。實驗中與多種跟蹤器進行對比,對多個具有各種挑戰(zhàn)性的視頻序列進行跟蹤,證明了提