基于粒子濾波和稀疏表示的目標(biāo)跟蹤算法研究.pdf

1、在信息化的潮流中，機(jī)器視覺、人工智能等關(guān)鍵技術(shù)領(lǐng)域發(fā)展鼎盛。利用計(jì)算機(jī)的能力代替人眼、人腦的功能是當(dāng)前研究的熱點(diǎn)，其中目標(biāo)跟蹤技術(shù)更是在民用和軍用等領(lǐng)域中均得到了廣泛的重視，比如攝像頭監(jiān)控、戰(zhàn)場中的自動化定位打擊等。除了廣泛的應(yīng)用面之外，目標(biāo)跟蹤算法的研究難度也激發(fā)了眾多學(xué)者提出了許多先進(jìn)的算法，按照建模方法可以將這些算法分為判別模型和生成模型。然而到目前為止，在目標(biāo)的姿態(tài)和尺寸不斷變化、不同的光照條件和遮擋程度下，受限于有限的計(jì)算資源

2、，要實(shí)現(xiàn)魯棒且快速的跟蹤仍然是一個(gè)非常具有挑戰(zhàn)意義的難題。
　　本文基于判別模型與生成模型的優(yōu)缺點(diǎn)，提出了一種新的在粒子濾波框架下的基于支持向量機(jī)和稀疏表示的級聯(lián)結(jié)構(gòu)的跟蹤算法。該聯(lián)合算法利用了支持向量機(jī)優(yōu)秀的分類能力以及稀疏表達(dá)的建模能力，主要的研究工作包括以下三個(gè)方面：
　　首先針對粒子濾波的粒子數(shù)量大計(jì)算復(fù)雜的缺點(diǎn)，設(shè)計(jì)了基于支持向量機(jī)的判別子模型。首次將初始分類器與更新分類器根據(jù)置信度的意義進(jìn)行結(jié)合，設(shè)計(jì)了訓(xùn)練樣本的

3、選取與更新方式以在保留初始目標(biāo)信息的同時(shí)適應(yīng)狀態(tài)的變化。并設(shè)計(jì)了實(shí)驗(yàn)驗(yàn)證該判別模型的分類有效性，即該模型可以起到剔除不可靠候選目標(biāo)的作用。
　　其次，在生成算法部分對基于局部的稀疏生成模型進(jìn)行了相應(yīng)的改進(jìn)。在求解稀疏方程問題上，為了在求解的精度與速度之間尋求折中，對比了 LASSO與OMP兩種稀疏求解算法。提出了將信息熵作為度量的標(biāo)準(zhǔn)，通過實(shí)驗(yàn)驗(yàn)證了其在干擾因素單一的場景下的可行性。
　　最后，利用跟蹤評估平臺VOT（The