基于非負(fù)加權(quán)稀疏協(xié)作模型的目標(biāo)跟蹤算法研究.pdf

1、近年來，目標(biāo)跟蹤在計(jì)算機(jī)視覺領(lǐng)域扮演著非常重要的角色，同時(shí)也是其研究熱點(diǎn)。隨著目標(biāo)跟蹤技術(shù)的不斷發(fā)展，它在各種各樣實(shí)際的應(yīng)用中都發(fā)揮著至關(guān)重要的作用。因此，各種目標(biāo)跟蹤方法應(yīng)運(yùn)而生，主要有基于產(chǎn)生式外觀模型的目標(biāo)跟蹤方法，也有基于判別式外觀模型的目標(biāo)跟蹤方法，還有將兩者結(jié)合起來的目標(biāo)跟蹤方法。近幾年，稀疏表示對(duì)于遮擋等目標(biāo)跟蹤中的難點(diǎn)問題有不錯(cuò)的效果?；谙∈鑵f(xié)作模型的目標(biāo)跟蹤算法就是一個(gè)性能及魯棒性較強(qiáng)的目標(biāo)跟蹤算法，它是在粒子濾波的

2、框架下，應(yīng)用基于全局模板的稀疏判別式模型以及基于局部直方圖的稀疏產(chǎn)生式模型，它綜合了兩者的長處，在目標(biāo)跟蹤問題上取得了不錯(cuò)的效果。非負(fù)稀疏表示就是在對(duì)目標(biāo)進(jìn)行稀疏表示時(shí)上加入非負(fù)約束，使得目標(biāo)的物理意義得以保留。由于目標(biāo)跟蹤過程中得到的數(shù)據(jù)以及提取的特征都具有一定的非負(fù)性，它符合非負(fù)稀疏表示的前提，而且在SCM中基于局部直方圖的稀疏產(chǎn)生式模型對(duì)系數(shù)有潛在的非負(fù)要求，因此本文第一個(gè)工作是將非負(fù)約束引入SCM中，提出基于非負(fù)稀疏協(xié)作模型(N

3、-SCM)的目標(biāo)跟蹤算法。與此同時(shí)，考慮到測(cè)試樣本與訓(xùn)練樣本之間往往具有一定的相關(guān)性，對(duì)稀疏表示的系數(shù)加上合理的權(quán)重能夠取得很好的效果，因此，本文第二個(gè)工作是給SCM中的稀疏系數(shù)加上相應(yīng)的權(quán)值，提出基于加權(quán)稀疏協(xié)作模型(W-SCM)的目標(biāo)跟蹤算法。本文第三個(gè)工作是給SCM中同時(shí)加入非負(fù)約束以及權(quán)重限制，提出基于非負(fù)加權(quán)稀疏協(xié)作模型(NW-SCM)的目標(biāo)跟蹤算法。
　　本文的研究?jī)?nèi)容總結(jié)如下:
　　(1)為了提高基于稀疏協(xié)作模

4、型(SCM)的目標(biāo)跟蹤算法跟蹤效果，更好地利用原始數(shù)據(jù)，將非負(fù)約束加入SCM算法中，提出基于非負(fù)稀疏協(xié)作模型(N-SCM)的目標(biāo)跟蹤算法。N-SCM算法中給出一個(gè)迭代更新策略來求解稀疏系數(shù)，并且對(duì)目標(biāo)函數(shù)的迭代收斂性進(jìn)行了證明。實(shí)驗(yàn)結(jié)果表明，N-SCM算法和SCM算法相比性能有明顯的提升。
　　(2)考慮到在以往的稀疏表示中，往往忽略了測(cè)試樣本與訓(xùn)練樣本之間的相關(guān)性，這使得到的稀疏系數(shù)還有提升的空間，因此我們對(duì)稀疏協(xié)作模型中的系數(shù)

5、加權(quán)，提出基于加權(quán)稀疏協(xié)作模型(W-SCM)的目標(biāo)跟蹤算法。W-SCM算法采用一個(gè)迭代算法來求解目標(biāo)函數(shù)的全局最優(yōu)解，并給出其算法合理性的理論證明。實(shí)驗(yàn)結(jié)果表明，W-SCM算法的跟蹤效果較SCM算法有一定得提升。
　　(3)基于稀疏協(xié)作模型上加上權(quán)重和非負(fù)約束分別都能夠?qū)λ惴ㄓ幸欢ǖ奶嵘Ч覀儾粌H對(duì)稀疏系數(shù)進(jìn)行非負(fù)限制，同時(shí)給稀疏系數(shù)加上合適的權(quán)重，提出基于非負(fù)加權(quán)稀疏協(xié)作模型(NW-SCM)的目標(biāo)跟蹤算法。NW-SCM算法中