基于稀疏表示和非負矩陣分解理論的目標(biāo)跟蹤算法研究.pdf

1、目標(biāo)跟蹤是計算機視覺和模式識別領(lǐng)域當(dāng)前的研究熱點問題之一，并且在諸如智能導(dǎo)航、自動監(jiān)控、軍事防御、人機交互等方面有著廣泛的實際應(yīng)用。雖然目標(biāo)跟蹤經(jīng)過幾十年的發(fā)展已經(jīng)有了很大的進步，但仍然無法徹底解決遮擋、旋轉(zhuǎn)、姿態(tài)變化和光照變化等因目標(biāo)內(nèi)外因素復(fù)雜變化下的目標(biāo)跟蹤問題?；谏赡Ｐ偷脑诰€目標(biāo)跟蹤算法，因其可以根據(jù)目標(biāo)的外觀變化對跟蹤器進行自適應(yīng)地調(diào)整和更新，具有較為穩(wěn)定的跟蹤潛能，近年來引起研究人員廣泛關(guān)注。針對生成模型的在線目標(biāo)跟蹤算

2、法進行研究，利用圖像的非負和稀疏特性，將稀疏表示和非負矩陣分解引入到生成模型的動態(tài)目標(biāo)表示與更新中，并將其應(yīng)用于復(fù)雜背景下的目標(biāo)跟蹤。
　　本研究主要內(nèi)容包括：⑴提出一種聯(lián)合模板先驗概率和稀疏表示的目標(biāo)跟蹤算法。在基于L1稀疏表示的跟蹤算法中，早期表現(xiàn)優(yōu)秀的目標(biāo)模板在跟蹤過程中容易被替換或者刪除。為解決這一問題，提出關(guān)鍵模板概念，通過累計選擇的方法選取高概率模板作為關(guān)鍵模板，為了發(fā)揮關(guān)鍵模板在后續(xù)跟蹤過程中的作用，提出一種新的模板

3、更新策略，將模板的重要度指標(biāo)引入到正則化模型中來進一步體現(xiàn)關(guān)鍵模板對候選目標(biāo)進行判別。使用加速近端梯度法求解上述正則化模型，提高算法的實時性。在不同視頻數(shù)據(jù)集上的跟蹤實驗結(jié)果表明，提出的算法具有處理復(fù)雜場景的能力，特別是在遇到相似物遮擋的場景下，算法能有效地跟蹤目標(biāo)。⑵提出一種采用平滑和稀疏雙約束的增量映射非負矩陣分解目標(biāo)跟蹤算法。首先增量地學(xué)習(xí)一個基于局部結(jié)構(gòu)的子空間來表示目標(biāo)對象，添加稀疏約束提高算法處理遮擋的能力，添加時間平滑約束