基于低秩矩陣表示的視覺(jué)跟蹤方法.pdf

1、視覺(jué)目標(biāo)跟蹤作為計(jì)算機(jī)視覺(jué)的重要研究課題，具有十分重要的科研價(jià)值。而其又作為智能監(jiān)控、運(yùn)動(dòng)識(shí)別、人機(jī)交互等智能化得以實(shí)施的基礎(chǔ)性技術(shù)，在實(shí)際應(yīng)用上也具有非凡的意義。但受光照變化、局部遮擋以及目標(biāo)形變等因素影響，視覺(jué)目標(biāo)跟蹤在實(shí)際場(chǎng)景下的效果往往差強(qiáng)人意，從而影響了之后動(dòng)作識(shí)別等更高級(jí)任務(wù)的實(shí)際應(yīng)用，阻礙了社會(huì)智能化的進(jìn)一步推進(jìn)。本文為了提高視覺(jué)目標(biāo)跟蹤算法針對(duì)各類場(chǎng)景的魯棒性，對(duì)視覺(jué)目標(biāo)跟蹤算法進(jìn)行了梳理與分析，并針對(duì)基于低秩矩陣表示的

2、視覺(jué)目標(biāo)跟蹤算法存在的缺陷，做出了以下三點(diǎn)改進(jìn)：
　　（1）對(duì)算法中的目標(biāo)特征描述模塊進(jìn)行了擴(kuò)充。針對(duì)低秩矩陣表示的目標(biāo)描述方法對(duì)遮擋目標(biāo)描述不佳的問(wèn)題，在使用全局低秩矩陣對(duì)目標(biāo)進(jìn)行全局描述的基礎(chǔ)上加入了基于局部低秩矩陣表示的目標(biāo)細(xì)描述，通過(guò)局部系數(shù)特征的引入，增強(qiáng)目標(biāo)描述方法在遮擋等挑戰(zhàn)場(chǎng)景下的穩(wěn)定性。而為了進(jìn)一步地抑制視覺(jué)目標(biāo)跟蹤過(guò)程中漂移現(xiàn)象的出現(xiàn)，在全局字典中加入了背景模板，通過(guò)對(duì)目標(biāo)模板和背景模板系數(shù)的不同處理，增強(qiáng)目標(biāo)

3、特征描述模塊輸出特征的可靠性。而對(duì)于低秩矩陣表示等模板類描述方法中可能出現(xiàn)的異常值現(xiàn)象，嘗試引入了最大池化特征來(lái)對(duì)系數(shù)矩陣進(jìn)行修正，并得到不錯(cuò)的效果。
　?。?）對(duì)目標(biāo)狀態(tài)估計(jì)模塊的粒子權(quán)重計(jì)算規(guī)則進(jìn)行了重新定義。針對(duì)現(xiàn)有算法粒子權(quán)重計(jì)算規(guī)則過(guò)于簡(jiǎn)單不夠穩(wěn)定的缺陷，將粒子的權(quán)重細(xì)分為了全局權(quán)重和局部權(quán)重，通過(guò)分別度量粒子與目標(biāo)的全局相似性和局部相似性，實(shí)現(xiàn)對(duì)粒子與目標(biāo)相似性的綜合判定，從而提高粒子權(quán)重的可信度。而針對(duì)粒子權(quán)重計(jì)算受

4、目標(biāo)遮擋情況影響較大的難題，在局部權(quán)重的計(jì)算中加入了局部塊篩選機(jī)制，通過(guò)將發(fā)生遮擋的局部塊排除出局部權(quán)重的計(jì)算考量范圍，降低遮擋情況對(duì)粒子與目標(biāo)相似性度量的影響。
　?。?）對(duì)模型參數(shù)更新模塊中的字典更新策略進(jìn)行了改進(jìn)。通過(guò)對(duì)不同時(shí)間的目標(biāo)模板以不同的概率進(jìn)行替換更新，降低了較早時(shí)間目標(biāo)模板被替換的概率，從而在保證字典中信息貼近目標(biāo)最新狀態(tài)的同時(shí)，提高了字典中目標(biāo)信息的準(zhǔn)確性。而為了避免字典中遮擋物信息的引入，在字典更新策略中加入