基于壓縮感知理論的目標(biāo)重構(gòu)及跟蹤算法研究.pdf

1、在目標(biāo)跟蹤領(lǐng)域，形變、遮擋、光照、尺度、旋轉(zhuǎn)、雜亂背景是影響跟蹤效果的幾大因素。對(duì)于非剛性的物體，物體在運(yùn)動(dòng)過(guò)程中，形變的發(fā)生是時(shí)常發(fā)生的事情。由于攝像頭位置的固定，物體很容易被其他物體遮擋，導(dǎo)致跟蹤目標(biāo)的丟失。從室內(nèi)到室外，光照變化很劇烈，會(huì)引起跟蹤目標(biāo)的特征的劇烈變化。當(dāng)被跟蹤的物體遠(yuǎn)離或者接近攝像頭，會(huì)引起物體的放大縮小，也會(huì)導(dǎo)致被跟蹤物體的丟失。當(dāng)物體進(jìn)行旋轉(zhuǎn)，會(huì)引起之前提取的特征失效。如果背景雜亂，則跟蹤目標(biāo)很難與背景區(qū)分，影

2、響跟蹤的效果。早期的跟蹤算法，通過(guò)對(duì)跟蹤目標(biāo)的特征提取，在沒(méi)有復(fù)雜變化的情況下，可以達(dá)到比較好的效果。
　　而在實(shí)際應(yīng)用當(dāng)中，日常的生活環(huán)境千差萬(wàn)別，各種可能的干擾都會(huì)發(fā)生，會(huì)嚴(yán)重的影響跟蹤的效果。因此現(xiàn)在的跟蹤算法并不單純是跟蹤算法，很多算法均是跟蹤與檢測(cè)的結(jié)合。近幾年，像一些優(yōu)秀的跟蹤算法，都是利用了機(jī)器學(xué)習(xí)算法，對(duì)特征進(jìn)行學(xué)習(xí)分類(lèi)，以達(dá)到良好的適應(yīng)性，本文通過(guò)研究現(xiàn)有跟蹤方法的缺點(diǎn)與不足，針對(duì)于被跟蹤物體，通過(guò)利用壓縮感知算

3、法，預(yù)先建立字典，通過(guò)對(duì)跟蹤目標(biāo)的重構(gòu)，獲得了去除遮擋、噪聲等干擾的新的跟蹤目標(biāo)，可以適應(yīng)目標(biāo)的各種可能出現(xiàn)的干擾，有效的提高了跟蹤的準(zhǔn)確率。
　　在本論文中，針對(duì)于粒子濾波中提取特征比較耗時(shí)的缺點(diǎn)，進(jìn)一步提出了一種直方圖特征快速計(jì)算的硬件設(shè)計(jì)架構(gòu)，該硬件架構(gòu)可以在現(xiàn)場(chǎng)可編程門(mén)陣列(Field Programmable Gate Array，F(xiàn)PGA)，圖形處理器(Graphic Processing Unit，GPU)等硬件架構(gòu)