基于稀疏表示的目标跟踪算法研究与实现

摘要

目标跟踪一直是计算机视觉领域内的重要课题，已经在视频监控，车辆导航、人机交互等领域得到了广泛应用。目标跟踪主要是对视频中目标进行表示和识别，并估计目标在图像序列中的状态。虽然目前已经提出了许多的目标跟踪算法，但由于部分遮挡、光照变化、姿态变化、复杂背景和视角变化，目标跟踪仍然是一个具有挑战性的问题。
　　稀疏表示在计算机视觉领域应用广泛且取得了良好的效果，基于稀疏表示的目标跟踪也是目标跟踪领域的一个研究热点。针对光照变化、姿态变化、复杂背景、目标部分遮挡等问题，本文对基于稀疏表示的目标跟踪进行了研究，主要工作有以下几点：
　　(1)字典在稀疏表示中非常重要，字典的性能直接决定到稀疏表示效果的好坏。本文对目前流行的字典学习算法进行了研究，并将用于图像识别的LC-KSVD算法引入到了目标跟踪中，并证实了LC-KSVD字典学习算法在目标跟踪中的有效性。
　　(2)对目标跟踪中的目标表示特征和目标外观模型进行了研究，将HOG特征与稀疏外观模型相结合，提出了基于HOG特征的结构化稀疏外观模型。在度量候选目标与目标模版的相似性方面，本文在对齐汇聚的方法的基础上，对稀疏外观模型中局部块的对应系数进行了加权处理，提高了跟踪的准确性。
　　(3)将字典学习与稀疏外观模型相集合，提出了基于HOG特征的结构化稀疏外观模型结合字典学习的目标跟踪算法，实验结果表明，本文提出的算法对光照变化、旋转变化、复杂背景和目标部分遮挡问题具有一定的鲁棒性。

目录

声明

1绪论

1.1研究背景及意义

1.2目标跟踪的国内外研究现状

1.3目标跟踪的分类和技术难点

1.4 本文的主要工作与章节安排

2相关理论介绍

2.1目标特征介绍

2.2粒子滤波理论

2.3稀疏表示概述

2.4本章小结

3基于LC-KSVD字典学习的目标跟踪

3.1 基于Fisher准则的字典学习

3.2 基于K-SVD算法的字典学习

3.3 基于LC-KSVD字典学习的目标跟踪

3.4 本章小结

4 基于HOG特征的结构化稀疏外观模型

4.1目标模版变换

4.2 基于HOG特征的结构化稀疏外观模型

4.3 目标模版的更新

4.4本章小结

5 HOG特征结合稀疏表示的目标跟踪

5.1 算法流程

5.2 实验部分

5.3 本章小结

6 总结与展望

6.1 论文工作总结

6.2 未来工作展望

参考文献

攻读硕士学位期间的主要成果

致谢