基于稀疏表示的视觉机器人运动目标跟踪研究.pdf

《基于稀疏表示的视觉机器人运动目标跟踪研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、工业自DOI：10．3969／j．issn．1009-9492．2013．09．001基于稀疏表示的视觉机器人运动目标跟踪研究许文龙，朱加雷。，王飞。，陈国华(1．北京4~=r-大学机电工程学院，北京100029；2．北京石油化工学院能源工程先进连接技术北京市工程研究中心，北京102600；3．中国石油长庆石化公司，陕西成阳712000)摘要：针对分类器学习常常面l临高维数据的问题，借助稀疏表示理论对目标样本多尺度Hart特征进行数据降维，构建朴素贝叶斯分类器进行目标正负样本的学习和更新，选择具有最大分类器响应值的样本作为目标的当前状态，实现了对

2、运动目标的快速而有效的跟踪。实验结果表明该方法适用于机器人运动目标跟踪，在提高实时性的同时能保持一定的鲁棒性。关键词：视觉伺服机器人；稀疏表示；目标跟踪中图分类号：TP24文献标识码：A文章编号：1009—9492(2013)09—0001—04MovingTargetTrackingofVisualRobotBasedonSparseRepresentati0nXUWen—long，ZHUJia—lei，WANGFei，CHENGuo—hua(1．CollegeofMechanicalandElectricalEngineering，Beiji

3、ngUniversityofChemicalTechnology，Beijing100029，China；2．ResearchCenterofEnergyEngineeringAdvancedJoiningTechnology，BeijingInstituteofPetrochemicalTechnology，Beijing102600，China；3．PetroChinaChangqingPetrochemicalCompany，Xianyang712000，China)Abstract：Fortheproblemofhigh—dimensio

4、naldatafacedwithclassifierlearning，thispaperproposesamethodofdatadimensionalityreductiontomulti—scaleHarrfeatrueswithsparserepresentationtheory，andchoosesNaiveBayesclassifiertolearnandupdatethepositiveandnegativesamplesoftarget．Thesamplewiththemaximumclassificationresponseval

5、ueisselectedasthecurrentstatusofthetarget，thatachievesfastandefficienttrackingofmovingtarget．Experimentalresultsshowthatthemethodimprovesthereal—timewhilemaintainingacertainrobustnessandcanapplytomovingtargettrackingofvisualrobot．Keywords：visualservorobot；sparserepresentation

6、；targettracking0前言SURF[41因其良好的尺度不变性常用于目标的特征目标跟踪一直是机器人视觉伺服控制的研究跟踪与匹配，但算子本身计算复杂度偏高。文献任务和热点，不断发展的快速而稳定的跟踪算法n则利用目标主动轮廓进行某种相关准则运算以实促进了机器人技术的工程应用与普及。早期使用现跟踪的目的。学者们后来发现在跟踪的过程中的背景差分法和帧间差法对光照、背景扰动等情引入学习和预测机制嘲，主要包括分类器学习(贝况鲁棒性差，一般只用于静态背景下的目标跟叶斯分类器、决策树、Boosting等)和预测模型踪。著名的光流法抗干扰性强，但其采用迭代

7、方(卡尔曼滤波、拓展卡尔曼滤波、隐马尔科夫模法计算光流场比较耗时，且遵循的灰度守恒假设型、粒子滤波等)等数学工具，不仅提高了跟踪限制了使用范围。基于颜色直方图的均值漂移法的性能，还能进一步实现目标的检测，但普遍存(Mean—shift)采用核函数建模，对目标变形、遮在的问题是需要学习大量样本才能发挥功能的分挡和旋转等不敏感，但直方图对目标特征描述能类器常常面临维数灾难，而滤波器模型参数无法力较弱，跟踪性能在目标和背景颜色相似时会大通过先验知识获得。大折扣，该算法的变种Camshift[21同样存在这些固针对分类器学习常常面临高维数据的问题，有的缺

8、陷。近年来图像局部特征算子sIF11p和本文借助稀疏表示理论对目标多尺度Harr特征嘲国家自然科学基金项目(编号：51205026)；北