基于稀疏表示的多源目標(biāo)融合跟蹤方法研究.pdf

1、目標(biāo)跟蹤是計(jì)算機(jī)視覺領(lǐng)域的主要研究方向之一，在視頻監(jiān)控、軍事制導(dǎo)、無人駕駛、人機(jī)交互等領(lǐng)域得到了廣泛應(yīng)用，深受研究者們的廣泛關(guān)注。作為目標(biāo)跟蹤技術(shù)的一個(gè)重要分支，多源目標(biāo)跟蹤是通過將來自多個(gè)傳感器的圖像數(shù)據(jù)進(jìn)行聯(lián)合來完成目標(biāo)跟蹤的。由于它利用了各傳感數(shù)據(jù)的冗余互補(bǔ)特性，因此能獲得比單個(gè)傳感器更好的跟蹤性能。紅外與可見光圖像目標(biāo)的融合跟蹤是被研究最多的一種，如何高效準(zhǔn)確的在傳感器中呈現(xiàn)跟蹤目標(biāo)并分析出運(yùn)動狀態(tài)的變化，從而獲得對實(shí)際應(yīng)用有意

2、義的信息是目前多源跟蹤亟待解決的問題。針對這些問題，本文開展了基于稀疏表示的多源目標(biāo)融合跟蹤方法研究。主要工作如下:
　　1、提出了基于L1-APG紅外與可見光目標(biāo)融合跟蹤的算法。首先，該方法將稀疏表示引入融合跟蹤中，建立了紅外與可見光目標(biāo)的聯(lián)合稀疏表示模型;然后，以它們的聯(lián)合重構(gòu)誤差最小為目標(biāo)來構(gòu)建L1最優(yōu)化問題。并采用APG算法來求解L1問題;最后，利用最小二乘邊界誤差來減少粒子重采樣的次數(shù)，達(dá)到降低整個(gè)算法時(shí)間復(fù)雜度的目的，

3、從而實(shí)現(xiàn)了實(shí)時(shí)融合跟蹤。
　　2、提出了基于遮擋檢測的紅外與可見光目標(biāo)融合跟蹤算法。通過對目標(biāo)圖像進(jìn)行稀疏表示來描述目標(biāo)的外觀模型，并在稀疏表示的基礎(chǔ)上引入跟蹤和識別同時(shí)進(jìn)行的方法。為了解決目標(biāo)模板更新過程中所存在的被遮擋的跟蹤結(jié)果被不當(dāng)?shù)靥砑拥絽⒖寄０寮现械膯栴}，本文建立了遮擋檢測模型來計(jì)算被遮擋區(qū)域的大小，并根據(jù)遮擋面積大小使用協(xié)同學(xué)習(xí)的方法來更新參考模型，從而降低遮擋因素對跟蹤結(jié)果的影響。
　　對多組紅外與可見光圖像