基于特征稀疏表示的多行人跟蹤算法研究.pdf

1、近年來(lái)計(jì)算機(jī)與信息技術(shù)飛速發(fā)展，伴隨而來(lái)的是圖像、視頻等信息數(shù)據(jù)的增長(zhǎng)，同時(shí)促進(jìn)了計(jì)算機(jī)視覺與人工智能等領(lǐng)域的發(fā)展。視頻目標(biāo)跟蹤技術(shù)作為計(jì)算機(jī)視覺領(lǐng)域的一大研究熱點(diǎn)，在智能視頻監(jiān)控、人機(jī)交互和智能安防等應(yīng)用中都有十分良好的發(fā)展前景。視頻目標(biāo)跟蹤的主要任務(wù)是對(duì)視頻中感興趣的目標(biāo)進(jìn)行持續(xù)并準(zhǔn)確地定位。雖然目前在視頻目標(biāo)跟蹤領(lǐng)域的研究已取得一定成果，但是由于實(shí)際場(chǎng)景中環(huán)境的復(fù)雜與多變性、目標(biāo)間不可避免的交互與遮擋問(wèn)題以及目標(biāo)自身的尺度變化等因

2、素，使視頻目標(biāo)跟蹤技術(shù)離實(shí)際應(yīng)用還有一定的距離。因此，視頻目標(biāo)跟蹤技術(shù)具有很大的研究?jī)r(jià)值。
　　人類作為社會(huì)的主體，是視頻目標(biāo)跟蹤領(lǐng)域的重要研究對(duì)象，然而在具體的視頻場(chǎng)景中通常不止一個(gè)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(biāo)描述子對(duì)部分遮擋的目標(biāo)具有魯棒性，因此，本文引入了稀疏表示模型對(duì)目標(biāo)進(jìn)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(biāo)與背景，針對(duì)每個(gè)目標(biāo)構(gòu)建一個(gè)基于稀疏表示的分類器。而對(duì)視

3、頻中每個(gè)行人的跟蹤則會(huì)利用分類器，并采用基于貝葉斯推理的跟蹤方法，將目標(biāo)狀態(tài)的最優(yōu)估計(jì)作為跟蹤結(jié)果輸出。最后通過(guò)一個(gè)集成框架將多個(gè)單目標(biāo)跟蹤器整合在一起，從而實(shí)現(xiàn)多行人跟蹤。
　　對(duì)于目標(biāo)的描述，主要是利用構(gòu)建的過(guò)完備字典，提取目標(biāo)的聯(lián)合特征（灰度特征、HOG特征和LBP特征）并對(duì)其進(jìn)行稀疏分解，用聯(lián)合特征的稀疏系數(shù)作為目標(biāo)的描述子。
　　而行人在場(chǎng)景中從出現(xiàn)到消失的過(guò)程則需對(duì)行人目標(biāo)進(jìn)行持續(xù)地定位以完成跟蹤：首先對(duì)應(yīng)每個(gè)目

4、標(biāo)構(gòu)建其外觀模型，包括過(guò)完備字典以及分類器的構(gòu)建。當(dāng)新的圖像幀到來(lái)時(shí)，采用基于貝葉斯推理的方法估計(jì)目標(biāo)的最優(yōu)狀態(tài)。
　　對(duì)于每個(gè)目標(biāo)而言，都會(huì)對(duì)應(yīng)一個(gè)獨(dú)立的跟蹤器對(duì)其進(jìn)行跟蹤。而本文研究的是多行人跟蹤，因此本文設(shè)計(jì)了一個(gè)集成框架將多個(gè)單目標(biāo)跟蹤器整合在一起。在這個(gè)跟蹤框架下，主要對(duì)多個(gè)單目標(biāo)跟蹤器確定行人的起點(diǎn)和終點(diǎn)，以及關(guān)聯(lián)對(duì)應(yīng)不同幀的行人。獨(dú)立跟蹤器中行人的起點(diǎn)和終點(diǎn)主要以每幀的行人檢測(cè)結(jié)果作為依據(jù)進(jìn)行進(jìn)一步判斷；不同幀行人的