基于稀疏表示的目標(biāo)跟蹤算法研究與實(shí)現(xiàn).pdf

1、目標(biāo)跟蹤是計算機(jī)視覺領(lǐng)域研究方向的一個重要方面，主要目的是跟蹤目標(biāo)物體在視頻的每一幀中的外觀和運(yùn)動狀態(tài)的變化。近年來，稀疏表示被應(yīng)用到視覺跟蹤領(lǐng)域，通常選擇最小重構(gòu)誤差的候選區(qū)域作為目標(biāo)。但是大多數(shù)基于稀疏表示的方法只利用全局特征，或者僅考慮局部特征的最小重構(gòu)誤差，沒有充分利用稀疏編碼系數(shù)，或者忽略了字典判別性的作用，尤其當(dāng)目標(biāo)被相似物遮擋時，往往會導(dǎo)致跟蹤目標(biāo)丟失。針對上述問題，我們的主要工作如下:
　　首先，我們首先把FDDL

2、算法引入到目標(biāo)跟蹤算法中，利用FDDL算法學(xué)習(xí)一個判別式字典，在該判別式字典的基礎(chǔ)上，我們設(shè)計了兩種不同的目標(biāo)跟蹤算法模型:基于FDDL的判別式跟蹤模型和基于FDDL的生成式跟蹤模型，實(shí)驗(yàn)證明這兩種目標(biāo)跟蹤模型都具有較好的重構(gòu)性和判別性。
　　其次，我們通過分析局部特征的結(jié)構(gòu)性質(zhì)，提出了一種加權(quán)局部特征的外觀模型，根據(jù)提取的局部特征所處位置的不同，給每一個局部特征賦予不同的權(quán)重，然后提出一種自適應(yīng)權(quán)重更新策略，根據(jù)每一個局部特征在

3、跟蹤過程中特征值的變化，對權(quán)重進(jìn)行更新，使算法能更好地適應(yīng)跟蹤目標(biāo)的外觀變化。在加權(quán)局部特征的外觀模型基礎(chǔ)上，我們提出了一種新的基于加權(quán)的相似性度量方法來處理目標(biāo)外觀變化問題，以此來提高跟蹤的精確度和魯棒性。
　　最后，我們在基于判別式字典的生成式跟蹤框架下引入加權(quán)局部特征，該方法不僅能夠較好的區(qū)分前景和背景，而且能夠有效的對局部特征進(jìn)行結(jié)構(gòu)分析，能夠較好的抑制目標(biāo)區(qū)域內(nèi)部背景的負(fù)面作用。在多個基準(zhǔn)圖像序列上，與多種流行方法對比，