發(fā)布時(shí)間：2018-05-10 23:04

  本文選題：視覺跟蹤 + 低秩表示��； 參考：《工程科學(xué)與技術(shù)》2017年04期

【摘要】：基于L_1最小化的魯棒視覺跟蹤算法(L_1跟蹤算法)使用圖像灰度值特征描述目標(biāo),忽略了模板間的結(jié)構(gòu)信息,對(duì)目標(biāo)外觀變化的建模不夠準(zhǔn)確,導(dǎo)致跟蹤準(zhǔn)確度較低。而且L1跟蹤算法為了平衡跟蹤速度和跟蹤效果而采用分辨率較低的12×15圖像塊,難以獲取足夠的信息來表征目標(biāo)。針對(duì)L_1跟蹤算法的不足,該文提出一種在線低秩稀疏表示的視覺跟蹤算法。首先,該算法充分利用主成分分析(PCA)基向量對(duì)目標(biāo)外觀變化的表示能力并考慮目標(biāo)遮擋現(xiàn)象,以PCA基向量模板描述目標(biāo)外觀變化,以瑣碎模板處理遮擋等異常噪聲,從而將候選目標(biāo)表示為PCA基模板和瑣碎模板的線性組合。其次在目標(biāo)表示模型的優(yōu)化問題中,對(duì)PCA基模板系數(shù)進(jìn)行低秩約束和L_(1,1)范數(shù)正則化約束,對(duì)瑣碎模板系數(shù)實(shí)施L_(1,1)范數(shù)約束,并采用非精確增廣拉格朗日乘子(IALM)方法求解表示系數(shù)。然后在粒子濾波框架下,用目標(biāo)未被遮擋部分的重建誤差和稀疏誤差項(xiàng)建立觀測(cè)模型跟蹤目標(biāo)。最后為了克服模型漂移問題,采用遮擋檢測(cè)更新機(jī)制進(jìn)行模板更新。在對(duì)8組視頻圖像序列進(jìn)行測(cè)試的實(shí)驗(yàn)中,圖像塊分辨率設(shè)定為32×32,與4個(gè)現(xiàn)有的跟蹤算法相比,該算法取得了最高的平均重疊率0.78和最低的平均中心誤差4.05。實(shí)驗(yàn)結(jié)果表明,該文提出的跟蹤算法具有較好的跟蹤準(zhǔn)確性和魯棒性。
[Abstract]:The robust visual tracking algorithm based on L1 minimization uses image grayscale feature to describe the target, neglecting the structure information between templates, and modeling the appearance change of the target is not accurate enough, which leads to the low tracking accuracy. In order to balance the tracking speed and tracking effect, L1 tracking algorithm uses 12 脳 15 image blocks with low resolution, so it is difficult to obtain enough information to represent the target. Aiming at the deficiency of LST1 tracking algorithm, this paper presents a visual tracking algorithm based on online low rank sparse representation. Firstly, the algorithm makes full use of the ability of principal component analysis (PCA) basis vector to represent the appearance change of the target and considers the occlusion phenomenon. The PCA basis vector template is used to describe the appearance change of the target, and the trivial template is used to deal with the abnormal noise such as occlusion. The candidate target is expressed as a linear combination of PCA base template and trivial template. Secondly, in the optimization of the target representation model, the low rank constraint and the norm regularization constraint are applied to the PCA base template coefficient, and the L / L / 1) norm constraint is applied to the trivial template coefficient. An inexact augmented Lagrangian multiplier (IALM) method is used to solve the representation coefficient. Then, in the framework of particle filter, the reconstruction error and sparse error of the unoccluded part of the target are used to establish the observation model to track the target. Finally, in order to overcome the problem of model drift, occlusion detection and update mechanism is used to update the template. In the experiment of testing 8 groups of video sequences, the resolution of the image block is set to 32 脳 32. Compared with the four existing tracking algorithms, the proposed algorithm achieves the highest average overlap rate of 0.78 and the lowest average center error of 4.05. Experimental results show that the proposed tracking algorithm has good tracking accuracy and robustness.
【作者單位】： 南京航空航天大學(xué)航天學(xué)院;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(61401200;61201365) 江蘇省普通高校研究生科研創(chuàng)新計(jì)劃資助項(xiàng)目(SJLX15_0138)
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 王海軍;葛紅娟;張圣燕;;在線低秩表示的目標(biāo)跟蹤算法[J];西安電子科技大學(xué)學(xué)報(bào);2016年05期

2 張琳;何小海;;基于粒子濾波的抗遮擋跟蹤算法[J];四川大學(xué)學(xué)報(bào)(工程科學(xué)版);2014年S1期

【共引文獻(xiàn)】

相關(guān)期刊論文 前2條

1 孔繁鏘;王丹丹;沈秋;卞陳鼎;嚴(yán)小樂;;在線低秩稀疏表示的魯棒視覺跟蹤[J];工程科學(xué)與技術(shù);2017年04期

2 王海軍;葛紅娟;張圣燕;;基于L_1范數(shù)和最小軟閾值均方的目標(biāo)跟蹤算法[J];山東大學(xué)學(xué)報(bào)(工學(xué)版);2016年03期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 王海軍;張圣燕;;基于L2范數(shù)和增量正交投影非負(fù)矩陣分解的目標(biāo)跟蹤算法[J];黑龍江大學(xué)自然科學(xué)學(xué)報(bào);2015年02期

2 賀文驊;劉志鏡;屈鑒銘;;利用超像素混合投票的在線目標(biāo)跟蹤算法[J];西安電子科技大學(xué)學(xué)報(bào);2015年03期

3 黃宏圖;葛淵;張繼;查宇飛;畢篤彥;侯志強(qiáng);;仿射變換在壓縮感知跟蹤中的應(yīng)用[J];西安電子科技大學(xué)學(xué)報(bào);2015年02期

4 安國(guó)成;張鳳軍;王宏安;戴國(guó)忠;;多窗口目標(biāo)跟蹤算法[J];計(jì)算機(jī)研究與發(fā)展;2011年11期

5 強(qiáng)世錦;榮健;;基于圖像分離塊操作的快速模板匹配跟蹤算法[J];應(yīng)用光學(xué);2009年02期

6 張波;田蔚風(fēng);金志華;;Joint tracking algorithm using particle filter and mean shift with target model updating[J];Chinese Optics Letters;2006年10期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 史衛(wèi)民;王慶敏;劉秋紅;陳勇;姚永杰;;視覺跟蹤技術(shù)及其應(yīng)用的研究進(jìn)展[J];海軍醫(yī)學(xué)雜志;2014年01期

2 侯志強(qiáng);韓崇昭;;視覺跟蹤技術(shù)綜述[J];自動(dòng)化學(xué)報(bào);2006年04期

3 王哲;;視覺跟蹤 用眼睛使用的“鼠標(biāo)”[J];電腦愛好者;2007年07期

4 張進(jìn);;視覺跟蹤技術(shù)發(fā)展和難點(diǎn)問題的分析[J];信息技術(shù)與信息化;2008年06期

5 李谷全;陳忠澤;;視覺跟蹤技術(shù)研究現(xiàn)狀及其展望[J];計(jì)算機(jī)應(yīng)用研究;2010年08期

6 劉鐵根,蔡懷宇,張以謨,路登平,胡繩蓀,張鳳林;一種埋弧焊視覺跟蹤系統(tǒng)(英文)[J];光電工程;1999年06期

7 李偉;吳瑰麗;王猛;;視覺跟蹤算法的研究進(jìn)展[J];石家莊鐵路職業(yè)技術(shù)學(xué)院學(xué)報(bào);2013年03期

8 劉洋;李玉山;張大樸;邱家濤;;基于動(dòng)態(tài)目標(biāo)建模的粒子濾波視覺跟蹤算法[J];光子學(xué)報(bào);2008年02期

9 張國(guó)亮;謝宗武;蔣再男;王捷;劉宏;;模糊化多視覺信息融合的視覺跟蹤策略[J];西安交通大學(xué)學(xué)報(bào);2009年08期

10 楊戈;劉宏;;視覺跟蹤算法綜述[J];智能系統(tǒng)學(xué)報(bào);2010年02期

相關(guān)會(huì)議論文 前2條

1 呂玉生;趙杰煜;;具有視覺跟蹤的中英文語音動(dòng)畫系統(tǒng)[A];第十四屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

2 李善青;賈云得;柳陽;;一種用于穿戴計(jì)算的指示手勢(shì)視覺跟蹤方法[A];第三屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2007）論文集[C];2007年

相關(guān)博士學(xué)位論文 前10條

1 王法勝;復(fù)雜場(chǎng)景下的單目標(biāo)視覺跟蹤算法研究[D];大連海事大學(xué);2014年

2 張明杰;基于視覺的目標(biāo)跟蹤與行為識(shí)別方法研究[D];西北大學(xué);2015年

3 徐蕭蕭;基于特征學(xué)習(xí)與特征聯(lián)想的視覺跟蹤算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2010年

4 王其聰;復(fù)雜觀測(cè)條件下的基于粒子濾波的視覺跟蹤[D];浙江大學(xué);2007年

5 夏瑜;視覺跟蹤新方法及其應(yīng)用研究[D];江南大學(xué);2013年

6 王芳林;穩(wěn)健視覺跟蹤算法中的關(guān)鍵問題研究[D];上海交通大學(xué);2009年

7 溫靜;基于張量子空間學(xué)習(xí)的視覺跟蹤方法研究[D];西安電子科技大學(xué);2010年

8 蘇潔;光照變化下的視覺跟蹤算法研究[D];哈爾濱工程大學(xué);2010年

9 王棟;基于線性表示模型的在線視覺跟蹤算法研究[D];大連理工大學(xué);2013年

10 代江華;粒子濾波架構(gòu)下視覺目標(biāo)跟蹤相關(guān)技術(shù)研究[D];華中科技大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 郭標(biāo);焊縫視覺跟蹤系統(tǒng)設(shè)計(jì)[D];西南交通大學(xué);2015年

2 張瑞;基于貝葉斯估計(jì)的視覺跟蹤算法研究[D];福建師范大學(xué);2015年

3 祝寶龍;基于視覺跟蹤技術(shù)的眼控鼠標(biāo)研究[D];哈爾濱工業(yè)大學(xué);2015年

4 劉養(yǎng)彪;運(yùn)動(dòng)模糊下的視覺跟蹤算法研究[D];北京理工大學(xué);2015年

5 向秀娟;基于視覺跟蹤的移動(dòng)機(jī)器人定位研究[D];新疆大學(xué);2015年

6 張勁;基于在線隱變量支持向量機(jī)的尺度自適應(yīng)視覺跟蹤[D];西安電子科技大學(xué);2014年

7 張欣;基于粒子濾波的視覺跟蹤算法的FPGA實(shí)現(xiàn)[D];北京理工大學(xué);2016年

8 黃梁華;基于張量表達(dá)的視覺跟蹤算法研究[D];北京理工大學(xué);2016年

9 王安;基于多層顯著前景塊的目標(biāo)跟蹤[D];安徽大學(xué);2016年

10 張亞紅;基于顯著性檢測(cè)和壓縮感知的視覺跟蹤[D];南京航空航天大學(xué);2015年

，

本文編號(hào)：1871296