基于特征加權(quán)的快速壓縮感知目標(biāo)跟蹤算法研究.pdf

1、目標(biāo)跟蹤具備重要的科研價值，且被普遍應(yīng)用于視頻監(jiān)控、智能交通等之中，近年來一直都是機器視覺研究當(dāng)中的熱點問題。針對目標(biāo)跟蹤問題，當(dāng)下已提出眾多研究算法。雖然這些跟蹤算法具有一定的魯棒性，但由于被跟蹤目標(biāo)外觀在跟蹤過程中易因受到光照、遮擋等外界因素的影響發(fā)生變化，使得視覺目標(biāo)跟蹤仍然是一個難點問題。壓縮感知理論作為信號領(lǐng)域的研究熱點，因其具有簡單、高效、實時等優(yōu)點，在跟蹤領(lǐng)域也獲得了廣泛使用。由研究證明，通過壓縮感知技術(shù)獲取的低維壓縮信號

2、可基本保留原信號的全部特性，從而可在保證計算精度的前提下大幅提高運算效率。利用壓縮感知理論設(shè)計的跟蹤算法能夠獲取快速、魯棒的跟蹤結(jié)果。但此類算法在獲取圖片的多尺度表示，生成目標(biāo)高維特征時，未考慮隨著濾波器尺寸的增大，由濾波產(chǎn)生的有效特征逐漸減少。同時算法在度量目標(biāo)與候選樣本之間的相似性時，僅將每個弱分類器分類結(jié)果進(jìn)行簡單疊加，處理策略過于單一。當(dāng)目標(biāo)因受到光照、遮擋等外界因素的影響外觀發(fā)生變化時，易降低跟蹤精度使得結(jié)果出現(xiàn)偏差。

3、　　本文針對上述問題，提出特征加權(quán)的快速壓縮感知目標(biāo)跟蹤算法，通過生成準(zhǔn)確的高維特征及更加高效的相似性度量機制來獲取跟蹤，具體工作如下：
　　（1）研究學(xué)習(xí)壓縮感知理論，深入了解信號稀疏表示理論、設(shè)計觀測矩陣的方法和其常用分類、重構(gòu)信號算法以及壓縮感知降維等。實驗論證壓縮跟蹤算法的有效性，發(fā)現(xiàn)此類壓縮跟蹤算法中存在的不足并進(jìn)行分析與解決；
　?。?）依據(jù)濾波器尺寸提出自適應(yīng)加權(quán)策略來提取樣本的多尺度特征，進(jìn)而生成高維特征描述