基于低秩投影與稀疏表示的視覺跟蹤算法研究.pdf

1、隨著計算機和相關(guān)硬件設(shè)備的普及，單目標(biāo)跟蹤技術(shù)受到越來越多研究員的廣泛關(guān)注。當(dāng)前階段視覺跟蹤作為計算機視覺的重要組成部分，其魯棒性一直受到目標(biāo)遮擋，光照變化，目標(biāo)姿態(tài)變化等因素的制約，應(yīng)用領(lǐng)域也受到極大限制。本文在前人工作的基礎(chǔ)上，對視覺跟蹤技術(shù)做了較深入的研究與總結(jié)，通過對秩最小化理論和稀疏表示理論的研究，將上述模型應(yīng)用到了目標(biāo)跟蹤領(lǐng)域，具體成果如下所示：
　　1、目標(biāo)跟蹤研究現(xiàn)狀與相關(guān)理論分析。本文首先介紹了目標(biāo)跟蹤的研究現(xiàn)狀

2、，然后對秩最小化模型和稀疏表示模型進行詳細分析，并介紹了每個模型的求解方法，最后分別介紹了四種經(jīng)典的目標(biāo)跟蹤方法以及跟蹤技術(shù)相關(guān)評價指標(biāo)。
　　2、基于低秩投影中稀疏誤差矩陣分析的視覺跟蹤。本文在研究了基于稀疏表示模型的目標(biāo)跟蹤技術(shù)以后，提出了基于低秩投影中稀疏誤差矩分析的視覺跟蹤算法。算法采用魯棒主成分分析將原始模板數(shù)據(jù)分解為低秩分量和稀疏分量，因為原始數(shù)據(jù)和低秩分量存在對應(yīng)關(guān)系，可以根據(jù)低秩映射原理求得二者的映射矩陣，采集到候

3、選目標(biāo)以后將候選目標(biāo)投影到映射空間，進而求得候選目標(biāo)的稀疏誤差矩陣，根據(jù)稀疏誤差矩陣的特性可以實現(xiàn)對候選目標(biāo)的篩選。為了克服模板漂移對跟蹤的影響，采用最佳候選目標(biāo)與最佳目標(biāo)模板的相似度作為模板更新依據(jù)，當(dāng)二者相似度高時，采用候選目標(biāo)更新模板，當(dāng)二者相似度低時，采用候選目標(biāo)的低秩分量實現(xiàn)目標(biāo)模板更新。在以上理論基礎(chǔ)上，利用粒子濾波作為整體的預(yù)測框架實現(xiàn)本算法。通過在多個實驗數(shù)據(jù)上進行實驗，結(jié)果表明算法對當(dāng)前階段的視覺跟蹤挑戰(zhàn)具有較好的跟蹤

4、性能。
　　3、基于增量子空間學(xué)習(xí)和局部稀疏表示的視覺跟蹤。傳統(tǒng)的基于增量子空間模型的視覺跟蹤算法存在對遮擋不魯棒的問題，在研究稀疏表示模型以后提出了基于增量子空間模型和局部稀疏表示的視覺跟蹤算法。本算法利用稀疏誤差矩陣對候選目標(biāo)進行遮擋檢測，根據(jù)檢測結(jié)果可以判斷候選目標(biāo)的遮擋情況，進而可以利用遮擋檢測結(jié)果修正增量誤差。算法決策環(huán)節(jié)采用二者的聯(lián)合模型實現(xiàn)候選目標(biāo)的篩選；模板更新環(huán)節(jié)，不同的模型采用不同的更新策略，通過以上方式在粒子