基于稀疏表示的目標(biāo)檢測與跟蹤方法研究.pdf

1、在目標(biāo)檢測與跟蹤過程中,往往會(huì)出現(xiàn)外界環(huán)境的干擾以及目標(biāo)自身變化等情況,這大大增加了檢測與跟蹤的難度,降低了算法的性能。本文在對(duì)目標(biāo)檢測與跟蹤技術(shù)國內(nèi)外研究現(xiàn)狀進(jìn)行深入探討的基礎(chǔ)上,研究稀疏表示理論,并將其應(yīng)用于遮擋情況下的目標(biāo)檢測中,并進(jìn)一步提出一種基于魯棒稀疏表示模型的目標(biāo)跟蹤方法。全文主要內(nèi)容如下:
　　1、探討了圖像稀疏表示方法,闡述了稀疏表示的凸優(yōu)化求解算法,討論了稀疏表示在目標(biāo)檢測與跟蹤中的應(yīng)用,為后續(xù)的研究做理論準(zhǔn)備

2、。
　　2、針對(duì)遮擋等干擾情況下人臉圖像檢測困難的問題,提出一種基于稀疏表示的遮擋人臉檢測算法。首先將測試樣本由訓(xùn)練樣本與干擾樣本組成的字典進(jìn)行稀疏線性表示,并且使用K-SVD方法訓(xùn)練字典,使得在嚴(yán)格的稀疏度約束下仍可以獲取樣本在過完備字典下的稀疏表示,然后使用稀疏系數(shù)集中度進(jìn)行人臉與非人臉圖像的判別,且可使用編碼殘差進(jìn)一步識(shí)別人臉圖像,最后采用隨機(jī)投影的方法對(duì)測試樣本進(jìn)行降維,減少檢測過程中的計(jì)算量。
　　3、針對(duì)稀疏編碼

3、的重構(gòu)精度不高的問題,提出了一種改進(jìn)的稀疏編碼模型。首先模型無需重構(gòu)誤差滿足特定的先驗(yàn)概率分布,且加入對(duì)編碼系數(shù)的自適應(yīng)約束,使模型求取編碼的極大似然估計(jì)解,對(duì)干擾更加魯棒,可以取得更優(yōu)的跟蹤效果;其次,使用改進(jìn)的目標(biāo)模板更新方法,將受干擾較大樣本排除在目標(biāo)模板庫之外,使當(dāng)前的目標(biāo)模板能夠更好地描述最新的目標(biāo)狀態(tài),最后,將其應(yīng)用于粒子濾波框架下實(shí)現(xiàn)對(duì)目標(biāo)的跟蹤。
　　4、選取若干遮擋人臉圖像和具有代表性的跟蹤視頻,使用本文的改進(jìn)算