基于特征提取的改進(jìn)型壓縮跟蹤算法的研究與實(shí)現(xiàn).pdf

1、隨著社會(huì)發(fā)展，科技進(jìn)步，信息時(shí)代的關(guān)鍵字——大數(shù)據(jù)、云計(jì)算在各個(gè)領(lǐng)域隨處可見(jiàn)，鋪天蓋地而來(lái)的數(shù)據(jù)給人們的生產(chǎn)生活帶來(lái)方便的同時(shí)也會(huì)制造一些麻煩。眾所周知，視頻監(jiān)控由于它的不間斷性以及自主性不高，產(chǎn)生的海量數(shù)據(jù)在存儲(chǔ)、運(yùn)輸還有處理等方面都會(huì)極大地增加工作人員的負(fù)擔(dān)。
　　為了提高視頻目標(biāo)跟蹤的性能，一方面是需要提高跟蹤算法的性能，另一方面則是運(yùn)用處理好視頻流數(shù)據(jù)。面對(duì)海量數(shù)據(jù)的處理，信息論的基礎(chǔ)理論——奈奎斯特準(zhǔn)則一直限制著整體處理

2、效率的提高。但是一種新的理論——壓縮感知理論可以跨越奈奎斯特準(zhǔn)則的限制溝壑，它可以先直接對(duì)信號(hào)進(jìn)行采集，然后經(jīng)過(guò)凸優(yōu)化或者其他重構(gòu)算法恢復(fù)信號(hào)。壓縮感知理論優(yōu)點(diǎn)就是它的采樣頻率極低，遠(yuǎn)遠(yuǎn)低于奈奎斯特準(zhǔn)則限定的采樣頻率，而且目前也有相應(yīng)的圖形處理器來(lái)應(yīng)對(duì)大數(shù)據(jù)運(yùn)算量的問(wèn)題。視頻目標(biāo)跟蹤的算法日新月異，各學(xué)科交融更加促進(jìn)其效率的提升。近幾年，基于模型的運(yùn)動(dòng)目標(biāo)跟蹤算法的發(fā)展尤為迅速，由基于檢測(cè)的跟蹤算法 （Tracking-by-Detec

3、ting,TD）衍生出來(lái)TLD算法、CSK算法、KCF算法、PROST算法還有性能格外優(yōu)異的Struck算法?；诰植康母櫵惴ㄈ绺倪M(jìn)的光流跟蹤算法、超像素跟蹤算法在處理運(yùn)動(dòng)目標(biāo)發(fā)生漂移的問(wèn)題上有著獨(dú)特的優(yōu)勢(shì)?？蒲谐晒疃?，而且學(xué)科交匯最多的是基于特征提取的目標(biāo)跟蹤算法，將性能互補(bǔ)的算法或特征（如SIFT、LBP等等）糅合到一起，整體提升算法的效率這種做法一直受到業(yè)內(nèi)人士的提倡和追捧。將壓縮感知運(yùn)用到視頻目標(biāo)跟蹤算法一方面能夠提高算法對(duì)

4、運(yùn)動(dòng)目標(biāo)發(fā)生漂移、遮擋時(shí)的處理能力，同時(shí)還能有機(jī)結(jié)合其他特征提取技術(shù)的優(yōu)點(diǎn)，整合提升算法的性能。
　　基于特征提取的改進(jìn)型壓縮跟蹤算法的核心是一方面改進(jìn)了壓縮感知理論中的分類(lèi)器的學(xué)習(xí)因子的更新策略，提高了整個(gè)算法的實(shí)時(shí)性；另一方面在進(jìn)行特征提取的過(guò)程中改進(jìn)了SIFT的處理領(lǐng)域，精簡(jiǎn)了最后生成的SIFT算子的維度，從原算法的128維降低到40維，較大地減輕了計(jì)算復(fù)雜度。
　　實(shí)驗(yàn)結(jié)果表明，在處理運(yùn)動(dòng)目標(biāo)發(fā)生尺度變化、旋轉(zhuǎn)、遮擋