本文選題：目標(biāo)跟蹤 + 稀疏表示�。� 參考：《中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所》2017年博士論文

【摘要】：隨著計(jì)算機(jī)計(jì)算能力的提高以及計(jì)算機(jī)視覺技術(shù)與人們生活的關(guān)系日益密切,計(jì)算機(jī)視覺的研究獲得了越來越多的國內(nèi)外學(xué)者的關(guān)注。目標(biāo)跟蹤技術(shù)是計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn)之一,其被廣泛應(yīng)用于軍事裝備中的導(dǎo)引技術(shù)、城市安全的視頻監(jiān)控、交通系統(tǒng)中的智能交通以及游戲娛樂中的體感游戲等領(lǐng)域中。雖然目前目標(biāo)跟蹤技術(shù)在多個(gè)領(lǐng)域都有廣泛的應(yīng)用,大量的算法的提出也使得目標(biāo)跟蹤技術(shù)的研究取得了可觀的進(jìn)步,但是由于實(shí)際場景中的多種多樣的復(fù)雜因素,如背景混雜、光照劇烈變化、快速運(yùn)動(dòng)與運(yùn)動(dòng)模糊以及遮擋等,設(shè)計(jì)一個(gè)魯棒性好,實(shí)時(shí)性強(qiáng)的目標(biāo)跟蹤算法仍然是具有重大研究意義。因此,本文基于目標(biāo)跟蹤技術(shù)的研究,嘗試解決目標(biāo)跟蹤中的一些關(guān)鍵問題,并從目標(biāo)的表觀模型的改進(jìn)出發(fā),取得了以下幾個(gè)創(chuàng)新點(diǎn):1)提出一種基于殘差矩陣估計(jì)的稀疏表示跟蹤算法。目前已有的基于稀疏表示表觀模型的跟蹤算法,多數(shù)采用稀疏表示系數(shù)作為目標(biāo)的表示模型,并且構(gòu)建的觀測模型也只采用表示系數(shù)作為各個(gè)候選粒子的評估,忽略了表示殘差所包含的信息,因此,本文將目標(biāo)的殘差矩陣列向量化為殘差向量,并引入稀疏表示模型中,構(gòu)建了包含殘差向量的稀疏表示模型,該模型首先利用L1范數(shù)分別約束目標(biāo)利用字典表示的系數(shù)和相應(yīng)的殘差向量,利用L2范數(shù)約束表示重構(gòu)與目標(biāo)之間的距離。其次為了求解各個(gè)候選粒子表示模型中的表示系數(shù)與相應(yīng)的表示殘差向量,本文采用一種循環(huán)迭代的方法,該方法分別固定兩個(gè)待求解變量中的一個(gè)去求解另一個(gè),從而可以有效求解表示系數(shù)與表示殘差向量的近似最優(yōu)解。然后本文利用所求的表示系數(shù)與表示殘差向量構(gòu)建各個(gè)粒子的觀測模型,根據(jù)模型評分從候選粒子中選擇當(dāng)前時(shí)刻的目標(biāo)。最后,為了使得算法具有持久穩(wěn)定的跟蹤效果,本文將字典模板與選定目標(biāo)之間的距離作為模板評分依據(jù),并根據(jù)模板的評分分成三種情況選擇性的更新字典。實(shí)驗(yàn)結(jié)果表明,本文提出的基于殘差矩陣估計(jì)的稀疏表示跟蹤算法相比于多個(gè)主流算法具有更好的魯棒性。2)提出一種改進(jìn)的殘差矩陣估計(jì)的稀疏表示跟蹤算法�；跉埐罹仃嚬烙�(jì)的稀疏表示跟蹤算法對于遮擋問題的魯棒性較低,因此對于某些出現(xiàn)嚴(yán)重遮擋問題的場景不適用,因此,本文在殘差矩陣估計(jì)的稀疏表示跟蹤算法的基礎(chǔ)上,對算法的表示模型與觀測模型進(jìn)行改進(jìn),使得算法對于遮擋問題的處理能力獲得提升。首先,本文仍然采用殘差矩陣估計(jì)稀疏跟蹤算法的優(yōu)化模型求解各個(gè)候選粒子的表示系數(shù)與相應(yīng)的殘差向量,當(dāng)求得每個(gè)粒子的殘差向量后,本文利用前一幀選定目標(biāo)的殘差向量對當(dāng)前幀中各個(gè)粒子的表示殘差向量進(jìn)行篩選,使得前后幀之間的殘差向量在非零元素位置上具有一致性。其次,本文采用各個(gè)候選粒子的重構(gòu)誤差與連續(xù)兩幀之間的表示殘差向量間的距離值作為粒子觀測模型的構(gòu)建依據(jù),然后依據(jù)模型的評分選出當(dāng)前時(shí)刻的跟蹤結(jié)果。在字典更新部分,本文采用字典模板中各個(gè)模板用于表示所有候選粒子的被使用次數(shù)作為評分因素之一,并結(jié)合殘差矩陣稀疏表示跟蹤算法中的字典模板與選定目標(biāo)間的距離構(gòu)建各個(gè)字典模板最終的評分公式,然后根據(jù)評分排序順序采用四種不同的情況對字典進(jìn)行更新。實(shí)驗(yàn)結(jié)果表明,本文提出的改進(jìn)算法相對于原殘差矩陣估計(jì)算法對于遮擋問題的處理能力有所提升,并且本文算法與多個(gè)主流算法相比,具有更好的魯棒性。3)提出一種基于PCA子空間的稀疏表示跟蹤算法。子空間跟蹤算法對于光照、目標(biāo)姿態(tài)等變化魯棒性較高,然而對遮擋等問題較為敏感。而稀疏表示對于遮擋問題的魯棒性較高,因此,本文提出一種基于PCA子空間的稀疏表示跟蹤算法。首先,該算法在PCA子空間內(nèi)學(xué)習(xí)目標(biāo)的空間表示基向量,并利用空間基向量、空間均值以及表示殘差向量構(gòu)建目標(biāo)的表示模型,利用L1范數(shù)分別約束表示殘差向量以及目標(biāo)相對于空間基向量的表示系數(shù),利用L2范數(shù)約束表示重構(gòu)與目標(biāo)之間的誤差。其次,為了求解表示系數(shù)與表示殘差向量,該算法采用循環(huán)迭代的方法,將復(fù)雜的表示模型分解成兩步求解,分別為固定表示系數(shù)求解表示殘差向量與固定表殘差向量求解系數(shù),通過這種方式可以有效求解表示系數(shù)與表示殘差向量的近似最優(yōu)解。然后在粒子評估步驟,該算法利用各個(gè)粒子的重構(gòu)誤差以及相應(yīng)表示殘差向量的L1范數(shù)函數(shù)值作為粒子評分依據(jù),構(gòu)建了各個(gè)粒子的觀測模型。最后,為了保證字典對于目標(biāo)的自適應(yīng),本章算法依據(jù)表示殘差向量非零元素與預(yù)先設(shè)定閾值的比較結(jié)果確定多種更新情況,從而在跟蹤過程中靈活的搜集用于學(xué)習(xí)子空間正交基的目標(biāo)數(shù)據(jù)。待收集一定跟蹤幀數(shù)的目標(biāo)數(shù)據(jù)就通過增量主成分分析的方法學(xué)習(xí)目標(biāo)新的子空間基向量與空間均值。實(shí)驗(yàn)結(jié)果表明,本文算法能夠適應(yīng)跟蹤過程中的光照、遮擋、姿態(tài)變化以及背景混雜等問題,相比于多個(gè)對比算法,本文算法具有更好的魯棒性。
[Abstract]:This paper proposes a sparse representation tracking algorithm based on residual matrix estimation . A sparse representation tracking algorithm based on PCA subspace is proposed .
【學(xué)位授予單位】：中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所
【學(xué)位級別】：博士
【學(xué)位授予年份】：2017
【分類號】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 邱立達(dá);劉天鍵;傅平;;基于深度稀疏濾波的目標(biāo)跟蹤[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2017年03期

2 鄒香玲;;智能視頻監(jiān)控系統(tǒng)中的人臉識別技術(shù)之研究[J];電子技術(shù)與軟件工程;2017年03期

3 葛驍倩;陳秀宏;傅俊鵬;;基于局部敏感直方圖的時(shí)空上下文跟蹤[J];傳感器與微系統(tǒng);2017年01期

4 王劍;趙歆波;馬鐘;趙宏亮;;基于眼動(dòng)交互的增強(qiáng)現(xiàn)實(shí)抬頭顯示系統(tǒng)[J];科學(xué)技術(shù)與工程;2017年02期

5 李越;;計(jì)算機(jī)圖像處理技術(shù)在醫(yī)學(xué)影像中的進(jìn)展與應(yīng)用[J];電腦知識與技術(shù);2016年30期

6 李婷;趙文杰;楊帥;李成;;基于Kalman和雙級聯(lián)隨機(jī)森林的在線目標(biāo)跟蹤算法[J];電視技術(shù);2016年12期

7 李銳娟;李瑞敏;;臨床醫(yī)學(xué)中計(jì)算機(jī)圖像處理技術(shù)的應(yīng)用[J];中國新通信;2016年21期

8 孫小淋;周冬梅;;基于嵌入式系統(tǒng)的全自動(dòng)控制小車設(shè)計(jì)與研究[J];數(shù)字技術(shù)與應(yīng)用;2016年08期

9 王麗娜;;蓄勢待發(fā)的無人駕駛汽車[J];科技導(dǎo)報(bào);2016年06期

10 李娜;蘭俊花;;基于稀疏表示和加權(quán)核范數(shù)極小化的圖像去噪（英文）[J];南開大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年01期

相關(guān)博士學(xué)位論文 前2條

1 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

2 曹蓓;粒子濾波改進(jìn)算法及其應(yīng)用研究[D];中國科學(xué)院研究生院(西安光學(xué)精密機(jī)械研究所);2012年

相關(guān)碩士學(xué)位論文 前5條

1 袁瑜鍵;基于紋理特征的目標(biāo)識別與跟蹤技術(shù)研究[D];北京理工大學(xué);2016年

2 陳凱;人機(jī)交互系統(tǒng)中的目標(biāo)跟蹤算法研究[D];長安大學(xué);2015年

3 劉佳q，

本文編號：2057629