基于特征稀疏表示的多行人跟蹤算法研究.pdf

1、近年來計算機與信息技術飛速發(fā)展，伴隨而來的是圖像、視頻等信息數(shù)據(jù)的增長，同時促進了計算機視覺與人工智能等領域的發(fā)展。視頻目標跟蹤技術作為計算機視覺領域的一大研究熱點，在智能視頻監(jiān)控、人機交互和智能安防等應用中都有十分良好的發(fā)展前景。視頻目標跟蹤的主要任務是對視頻中感興趣的目標進行持續(xù)并準確地定位。雖然目前在視頻目標跟蹤領域的研究已取得一定成果，但是由于實際場景中環(huán)境的復雜與多變性、目標間不可避免的交互與遮擋問題以及目標自身的尺度變化等因

2、素，使視頻目標跟蹤技術離實際應用還有一定的距離。因此，視頻目標跟蹤技術具有很大的研究價值。
　　人類作為社會的主體，是視頻目標跟蹤領域的重要研究對象，然而在具體的視頻場景中通常不止一個行人，所以本文研究的是多行人跟蹤。由于基于稀疏編碼的目標描述子對部分遮擋的目標具有魯棒性，因此，本文引入了稀疏表示模型對目標進行描述，并提出了基于特征稀疏表示的多行人跟蹤算法。為了更好地區(qū)別目標與背景，針對每個目標構建一個基于稀疏表示的分類器。而對視

3、頻中每個行人的跟蹤則會利用分類器，并采用基于貝葉斯推理的跟蹤方法，將目標狀態(tài)的最優(yōu)估計作為跟蹤結果輸出。最后通過一個集成框架將多個單目標跟蹤器整合在一起，從而實現(xiàn)多行人跟蹤。
　　對于目標的描述，主要是利用構建的過完備字典，提取目標的聯(lián)合特征（灰度特征、HOG特征和LBP特征）并對其進行稀疏分解，用聯(lián)合特征的稀疏系數(shù)作為目標的描述子。
　　而行人在場景中從出現(xiàn)到消失的過程則需對行人目標進行持續(xù)地定位以完成跟蹤：首先對應每個目

4、標構建其外觀模型，包括過完備字典以及分類器的構建。當新的圖像幀到來時，采用基于貝葉斯推理的方法估計目標的最優(yōu)狀態(tài)。
　　對于每個目標而言，都會對應一個獨立的跟蹤器對其進行跟蹤。而本文研究的是多行人跟蹤，因此本文設計了一個集成框架將多個單目標跟蹤器整合在一起。在這個跟蹤框架下，主要對多個單目標跟蹤器確定行人的起點和終點，以及關聯(lián)對應不同幀的行人。獨立跟蹤器中行人的起點和終點主要以每幀的行人檢測結果作為依據(jù)進行進一步判斷；不同幀行人的