基于双向稀疏表示的目标跟踪算法研究.pdf

《基于双向稀疏表示的目标跟踪算法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号TP391密级基于双向稀疏表示的目标跟踪算法研究研究生姓名：王业祥指导教师姓名、职称：朱文球教授学科专业：计算机技术研究方向：图像处理湖南工业大学二〇一八年六月二日摘要视觉目标跟踪在机器视觉领域中作为一项前沿技术，是实现人工智能的重要组成部分，其主要涉及到图像处理、信号处理、模式识别等专业知识，且目前已广泛应用于安防监控、视觉检测和智能驾驶等新兴产业，因此视觉目标跟踪技术在未来具有很大的研究和实用价值。本文中，在研究单向稀疏表示模型求解稀疏性的前提下，发现因单向稀疏系数矩阵是分开求解的，所以它们无法有效地挖掘正向和逆向稀疏系数矩阵之间相关性，故提出基于双向稀疏表示的目标跟踪算法

2、，并且将双向稀疏目标表示引入到贝叶斯跟踪框架中，从而能更好的减少因目标外观变化带来的不利影响。本论文的主要研究工作如下：（1）研究国内外关于目标跟踪的相关基础理论，同时探讨和实现基于稀疏表示的稀疏系数求解算法，从而对本文提出的目标跟踪算法研究提供部分基础理论知识。（2）针对单向稀疏表示无法有效关联各自的稀疏系数矩阵，为了将候选样本更好地在模板集中表达，提出基于双向稀疏表示目标跟踪算法框架，并用L2范数来约束正逆向稀疏重构误差，并采用加速逼近梯度算法优化正逆稀疏系数矩阵。通过权重矩阵与正逆稀疏系数矩阵相结合，把得到候选样本集上差异度最大的候选样本作为跟踪最优目标，该提出的算法相比传统单

3、向稀疏表示跟踪算法稳定性大大提高。（3）在候选模板集和目标模板集相似性距离度量上，由于传统欧式距离的权重在目标发生遮挡、光照和阴影的环境影响下具有不准确性，基于此提出改进的局部加权度量算法。本改进度量算法在复杂环境视频序列上运行，相比传统欧式距离度量算法具有较高的鲁棒性。关键词：视觉目标跟踪，双向稀疏，欧式距离，局部加权距离度量IABSTRACTVisualtargettrackingasacutting-edgetechnologyinthefieldofmachinevision,itisanimportantpartofthecomponentofartificialintel

4、ligence,mainlyrelatedtoimageprocessing,signalprocessing,patternrecognitionandotherprofessionalknowledge,andithasbeenusedwidelyinsecuritymonitoringnow,visualinspectionandsmartdrivingandotheremergingindustries.sovisualtargettrackingtechnologywillhavegreatresearchandpracticalvalueinthefuture.Inthi

5、spaper,onthepremiseofsolvingthesparsityofone-waysparserepresentationmodel,becausetheone-waysparsecoefficientmatricissolvedseparately,theycannotexcavateeffectivelythecorrelationbetweenthepositiveandreversesparsecoefficientmatrices.Sothesparserepresentationbasedonbidirectionaltargettrackingalgori

6、thmisproposed,andthebidirectionalsparseobjectrepresentationisintroducedintotheBayesiantrackingframework,sothatitcanbetterreducetheadverseeffectsofchangesintheappearanceofthetarget.Themainresearchworkofthispaperisasfollows:(1)Researchonrelatedbasictheoriesoftargettrackingathomeandabroad,wealsoex

7、ploreandimplementsparsecoefficientsolvingalgorithmbasedsparserepresentationatthesametime,soitprovidessomebasictheoreticalknowledgefortheresearchofthetargettrackingalgorithmproposedinthispaper.(2)One-waysparserepresentationfailstoc