視覺追蹤是計算機視覺領域中的一個重要研究方向,廣泛應用于人機交互、工業(yè)機器人、視頻監(jiān)控、智能交通等領域。隨著人工智能的發(fā)展和視頻設備的普及,對視覺追蹤的研究變得日益重要。雖然現(xiàn)在視覺追蹤技術層出不窮,但視覺追蹤任務仍面臨著很大挑戰(zhàn),如運動模糊、姿勢變化、光照變化、遮擋和背景混淆等,這些挑戰(zhàn)使追蹤任務變得困難。近年來以稀疏表達理論為基礎的視覺追蹤算法取得了顯著的成果,這類算法使用模板對目標進行建模,假設被追蹤的目標能夠由模板組成的字典矩陣稀疏表示,并選取重構誤差最小的候選樣本作為追蹤到的結果。這類算法的關鍵在于如何設計有效的稀疏表達模型和將稀疏表達理論與視覺追蹤的先驗知識更好地結合起來。本文的具體研究和創(chuàng)新主要是在對稀疏表達模型的研究和視覺追蹤先驗知識的利用上展開:1.本文提出一種基于跡套索的逆稀疏表達模型。該模型使用從當前幀采樣得到的候選樣本作為字典矩陣,并使用模板作為表達的目標,有效地減少算法的計算負擔,加快算法的追蹤速度;該模型使用跡套索作為表達向量的正則,跡套索可以根據候選樣本之間的相似關系自適應地選擇不同的約束,有效地利用了候選樣本字典矩陣的低秩信息,使得稀疏模型能夠求解出自適... 

【文章來源】：重慶郵電大學重慶市

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【部分圖文】：

視覺追蹤框架圖

重慶郵電大學碩士學位論文第2章稀疏表達視覺追蹤模型研究11第2章稀疏表達視覺追蹤模型研究在信號和信號處理領域，信號的“簡單性”一直受到大家的高度重視。從信息論的角度來看，如果信號具有某種結構，或者是稀疏的，或可以用某個確定模型來表示，這樣的信號可以被稱為“簡單”信號。簡單信號的性質通常表現(xiàn)為低秩性，低熵性和稀疏性[38]。稀疏表達作為對信號“簡單性”的描述，是近幾年研究人員研究的熱點。生物學家的研究[39]發(fā)現(xiàn)，人類在感知視覺信息時，大腦視皮層V1區(qū)只有少量的神經元被激活，絕大多數(shù)神經元都處于未激活狀態(tài)，這表明了視覺信息可以用少量神經元進行稀疏表示。受此啟發(fā)，研究者們將信號稀疏表達理論應用到了計算機視覺領域，并得到了廣泛應用。現(xiàn)在，稀疏表達理論已廣泛應用于人臉識別[27]、圖像超分辨率重構[40]、圖像去噪和視覺追蹤[28]等計算機視覺領域。稀疏表達可以獲取圖像中的關鍵特征信息和主要特征信息，并消除圖像中冗余信息的干擾，降低存儲量和計算量，有利于進一步的圖像分析和處理。因此，圖像稀疏表達這一技術在計算機視覺領域收到了研究人員的廣泛關注。2.1稀疏表達理論圖2.1稀疏表達模型示意圖

重慶郵電大學碩士學位論文第2章稀疏表達視覺追蹤模型研究20追蹤目標模板，12[,,,]nZzzz表示由樣本觀測值在模板矩陣上的表達向量組成的矩陣，其中模板系數(shù)矩陣Z的每一列iz都表示在無噪音情況下對應的樣本觀測值ix在模板矩陣上的表達，即iixDz。關于基于多任務的稀疏表達視覺追蹤模型的符號定義的更多細節(jié)可見表2.2。表2.2基于多任務的稀疏表達視覺追蹤模型符號定義符號定義id第i個模板D由模板組成的模板集jx第j個候選樣本對應的觀測值X由候選樣本觀測值組成的候選樣本集jz第j個候選樣本在模板集上的表達Z由各個候選樣本的表達組成的表達矩陣I瑣碎模板，單位矩陣E候選樣本集X在瑣碎模板I上的表達矩陣基于多任務的稀疏表達視覺追蹤算法以候選樣本觀測值矩陣X作為要表達的目標，以追蹤目標模板矩陣和單位矩陣為字典B，表達模型[32]如下：[]ZXDIBCE(2.22)式中，I——瑣碎模板，單位矩陣E——噪音表達向量矩陣模板表達向量矩陣Z與噪音表達向量矩陣E一起組成了表達向量矩陣C。基于多任務的稀疏表達模型的說明說明如圖2.3所示。(a)(b)(c)圖2.3基于多任務的稀疏表達視覺模型說明圖(a)由從當前幀采樣得到的候選樣本組成的候選樣本矩陣；(b)由正面模板集和單位矩陣組成的字典矩陣；(c)由候選樣本的表達構成的表達矩陣。

【參考文獻】：
期刊論文
[1]基于稀疏表示的視頻目標跟蹤研究綜述[J]. 黃宏圖,畢篤彥,侯志強,胡長城,高山,查宇飛,庫濤.  自動化學報. 2018(10)
[2]目標跟蹤算法綜述[J]. 盧湖川,李佩霞,王棟.  模式識別與人工智能. 2018(01)
[3]基于神經網絡的機器人手眼無標定平面視覺跟蹤[J]. 潘且魯,蘇劍波,席裕庚.  自動化學報. 2001(02)
[4]紅外探測陣列對固體導彈尾焰跟蹤定位的研究[J]. 趙久奮,王明海.  固體火箭技術. 2000(04)



本文編號：3348074