復(fù)雜場(chǎng)景下的壓縮跟蹤算法研究.pdf

1、目標(biāo)跟蹤是機(jī)器視覺(jué)的研究熱點(diǎn)之一，在人工智能、交通控制、公共安防和視頻監(jiān)控等領(lǐng)域有著很好的應(yīng)用價(jià)值。壓縮感知通過(guò)信號(hào)的稀疏性，將原始特征進(jìn)行壓縮得到新特征，提高了算法的實(shí)時(shí)性。之后被引入到跟蹤領(lǐng)域中，取得了一定的成果。但在跟蹤過(guò)程中，運(yùn)動(dòng)目標(biāo)受周圍環(huán)境因素的影響，易產(chǎn)生跟蹤漂移或目標(biāo)丟失現(xiàn)象。
　　論文在前人相關(guān)研究成果的基礎(chǔ)上，深入研究了壓縮跟蹤算法。本文對(duì)存在的問(wèn)題提出了一些改進(jìn)方法，主要工作如下：
　　1、提出一種基于

2、在線矩形特征選擇的壓縮跟蹤算法。該算法首先生成投影矩陣，利用該隨機(jī)投影矩陣提取特征構(gòu)造候選特征池，在特征池中使用矩形特征來(lái)表示目標(biāo)特性，并去除與目標(biāo)差異較大的矩形特征，最后計(jì)算分類分?jǐn)?shù)最大的窗口為目標(biāo)窗口，從而實(shí)現(xiàn)跟蹤。實(shí)驗(yàn)結(jié)果表明：改進(jìn)方法在目標(biāo)紋理、光照和復(fù)雜背景變化較大的情況下具有更強(qiáng)的魯棒性。
　　2、提出面向跟蹤漂移的快速壓縮跟蹤算法（fast compressive tracking,FCT）。該算法首先將輸入圖片與不

3、同的矩形框進(jìn)行卷積獲取特征，利用隨機(jī)投影矩陣對(duì)高維特征進(jìn)行壓縮；然后，在壓縮域選擇反映跟蹤目標(biāo)特點(diǎn)的中心特征、線性特征和邊緣特征來(lái)構(gòu)造特征池；將樣本輸入樸素貝葉斯分類器進(jìn)行分類，其中分類分?jǐn)?shù)最大的窗口即為目標(biāo)窗口；最后，最后通過(guò)對(duì)學(xué)習(xí)率參數(shù)進(jìn)行優(yōu)化，以減少噪聲對(duì)跟蹤漂移的影響。實(shí)驗(yàn)結(jié)果表明：改進(jìn)方法有效地改善了跟蹤漂移問(wèn)題，提高了FCT算法的精確性和穩(wěn)定性。同時(shí)，改進(jìn)方法比FCT算法的處理時(shí)間略少。
　　3、提出改進(jìn)的多特征壓縮跟