基于局部稀疏表示模型的在線字典學(xué)習(xí)跟蹤算法研究.pdf

1、視覺跟蹤是計(jì)算機(jī)視覺領(lǐng)域內(nèi)的重要問題，它在人機(jī)交互、認(rèn)知系統(tǒng)、視頻監(jiān)控等領(lǐng)域具有廣闊的應(yīng)用前景。雖然人們對(duì)該領(lǐng)域進(jìn)行了廣泛的研究，但在實(shí)際目標(biāo)跟蹤過程中還會(huì)遇到遮擋、形變等挑戰(zhàn)性問題。因此，視覺跟蹤的研究具有很高的實(shí)用價(jià)值和現(xiàn)實(shí)意義。本文在現(xiàn)有計(jì)算機(jī)視覺跟蹤算法的基礎(chǔ)上提出了基于局部稀疏表示模型的在線字典學(xué)習(xí)跟蹤算法。
　　首先，本文提出了一種局部稀疏表示模型來獲取目標(biāo)的局部信息，首先對(duì)目標(biāo)進(jìn)行分塊，然后對(duì)每個(gè)局部小塊獨(dú)立構(gòu)造其稀

2、疏字典，并通過計(jì)算候選區(qū)域中每個(gè)小塊與目標(biāo)模板對(duì)應(yīng)塊的相似度，獲得每個(gè)局部小塊在目標(biāo)圖像中的投票圖，再把所有局部投票圖結(jié)合起來，得到一張描述目標(biāo)全局情況的綜合投票圖，從而獲得目標(biāo)位置的最佳估計(jì)。
　　其次，傳統(tǒng)的模板更新策略根據(jù)權(quán)值動(dòng)態(tài)更新字典中權(quán)值最小的一列，并不能保證替換后的字典只需少量原子就可以重構(gòu)當(dāng)前目標(biāo)，這點(diǎn)直接影響求解系數(shù)的稀疏性。本文將字典學(xué)習(xí)理論引入到模板更新策略中，使用目標(biāo)近期的跟蹤結(jié)果作為訓(xùn)練集，自適應(yīng)地學(xué)習(xí)目

3、標(biāo)字典，從而保證獲取到的字典對(duì)目標(biāo)維持高度描述性。
　　最后，字典學(xué)習(xí)部分需要進(jìn)行大量矩陣運(yùn)算，對(duì)于這類高并行度的運(yùn)算，本文考慮使用GPU作為計(jì)算資源，在CUDA架構(gòu)下與CPU結(jié)合，根據(jù)需要將合適的計(jì)算類型放在相應(yīng)的計(jì)算資源上，實(shí)現(xiàn)資源的合理分配。
　　實(shí)驗(yàn)結(jié)果表明，本文所提出的方法與各種流行跟蹤算法相比穩(wěn)定可靠且具有良好的抗遮擋性，在海上紅外目標(biāo)和較高難度的公用圖像序列上取得良好跟蹤效果。同時(shí)，使用GPU對(duì)字典學(xué)習(xí)中的矩陣