基于壓縮感知的預(yù)測(cè)目標(biāo)跟蹤算法研究.pdf

1、目標(biāo)跟蹤在智能視頻監(jiān)控系統(tǒng)、人機(jī)交互、虛擬現(xiàn)實(shí)和智能交通中有著廣泛的應(yīng)用，是計(jì)算機(jī)視覺(jué)領(lǐng)域的研究熱點(diǎn)。壓縮感知因其能夠降低信號(hào)采樣頻率，降低目標(biāo)跟蹤算法復(fù)雜度，因此壓縮感知在目標(biāo)跟蹤算法的應(yīng)用被廣泛引起關(guān)注。
　　基于壓縮感知的目標(biāo)跟蹤算法對(duì)于感知矩陣的選取非常重要，選擇稀疏度較高又能準(zhǔn)確表征原始特征的感知矩陣，能夠提高跟蹤算法的準(zhǔn)確度和降低算法的運(yùn)行時(shí)間。同時(shí)，基于壓縮感知的目標(biāo)跟蹤算法框架是基于檢測(cè)的目標(biāo)跟蹤算法。若能在壓縮感

2、知的目標(biāo)跟蹤算法框架下加入預(yù)測(cè)目標(biāo)的作用，則可以進(jìn)一步提高跟蹤算法的準(zhǔn)確度。目前，上述研究不多。
　　提出利用分塊壓縮感知矩陣，使感知矩陣的規(guī)模與原始信號(hào)的維度無(wú)關(guān)，大大降低了感知矩陣規(guī)模,提升跟蹤算法實(shí)時(shí)性。針對(duì)目標(biāo)跟蹤問(wèn)題具有連續(xù)性的特點(diǎn)，提出一種利用先驗(yàn)知識(shí)區(qū)分目標(biāo)和背景的分類方法，通過(guò)計(jì)算正負(fù)樣本先驗(yàn)概率，增大分類器分類目標(biāo)和背景差異。同時(shí)，為了避免矩形目標(biāo)跟蹤框的邊緣信息干擾跟蹤算法，采用帶權(quán)分塊特征提取方法，按照高斯分

3、布，給圖像塊分配權(quán)重，弱化背景干擾。
　　提出結(jié)合目標(biāo)預(yù)測(cè)位置的壓縮跟蹤算法。利用Mean shift預(yù)測(cè)目標(biāo)位置，將目標(biāo)預(yù)測(cè)位置與檢測(cè)位置的距離權(quán)重加入分類器，增大候選目標(biāo)之間的區(qū)分度，削弱因類似候選目標(biāo)給分類器帶來(lái)的迷惑性，提升跟蹤算法準(zhǔn)確性?？紤]到目標(biāo)跟蹤問(wèn)題出現(xiàn)的目標(biāo)漂移問(wèn)題，為了算法在出現(xiàn)目標(biāo)短暫丟失或目標(biāo)遮擋的情況下仍然能準(zhǔn)確跟蹤目標(biāo)，提出一種非線性的參數(shù)學(xué)習(xí)策略。非線性參數(shù)學(xué)習(xí)方法能夠在目標(biāo)未丟失的情況下以較大權(quán)重學(xué)