收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于稀疏表示的在线目标跟踪研究

薛明  
【摘要】:目标跟踪的主要目的是获得目标在视频或者图像序列中每一时刻的运动状态,包括位置、大小等,进而获得其在整段视频中的运动轨迹。作为图像(视频)处理和模式识别领域的重要研究课题,目标跟踪具有广阔的应用前景。自问题提出以来,一系列方法相继出现,但仍然面临诸多困难,尤其是光照变化、遮挡、尺度变化、场景混乱、姿态变化、图像模糊和剧烈运动等因素对目标外观的影响,已成为制约其在实际中进一步应用的关键。近年来,在线目标跟踪(Online Object Tracking,OOT)逐渐成为目标跟踪领域的研究热点,该类方法试图根据目标的外观变化对跟踪器进行自适应地调整与更新,在解决上述问题方面取得了更为令人满意的效果。其中,随着近年来信号稀疏表示、凸优化理论以及压缩感知的发展,利用信号稀疏性进行目标跟踪的方法获得了广泛的关注。为此,本文针对目标在场景中外观变化情况下的跟踪鲁棒性问题,以目标跟踪为研究对象,以外观变化场景下基于稀疏表示理论的在线目标跟踪为目标展开研究。主要工作和创新点如下:(1)基于稀疏表示理论,本文提出了一种基于选择性稀疏外观模型和时空分析的生成性在线跟踪方法。首先,本文构建选择性稀疏外观模型,该模型将目标区域分割为相互重叠的图像块,利用关键点比例排序(Key Point Proportion Ranking,KPPR)算法构建目标区域的局部重要性评价,以最重要的部分图像块为关键块代表目标。然后,方法构建了基于时空分析的跟踪处理过程。对选择后的图像关键块进行基于Elastic Net正则化的时域加权稀疏表示,通过时空统计推断的分析方法,完成目标在当前时刻的位置估计。在运动建模部分,本文基于联合高斯分布假设和针对过去时刻跟踪信息的处理近似,构建了一种递推式的仿射运动模型;在观测建模部分,本文采用稀疏表示系数核加权迹的lp范数计算目标候选样本的置信度,并构建置信度-坐标空间(Confidence-Coordinate Space,CCS),然后通过较大置信度候选样本在该空间内的推演实现当前帧目标位置,使得目标位置的估计相对更为灵活,但不失鲁棒。该跟踪方法在本文构建的由16段典型测试序列组成的基准集合进行了测评实验,在其中14段序列实现了较为稳定和鲁棒的跟踪,12段序列平均中心误差在10像素以下,平均覆盖率综合达到了66.8%,其中1段测试序列对应的平均中心误差和平均覆盖率在全文24种跟踪方法测评对比中排名最优。实验的主客观分析结果表明,与经典的在线目标跟踪方法相比,本文所提出的生成性方法在跟踪准确率方面更具优势。(2)针对本文所提生成性跟踪方法存在的跟踪器易受周围环境负面影响的问题,结合稀疏表示理论中的字典学习问题,本文提出了一种基于增量结构化字典学习的判别性在线跟踪方法(Incremental Discriminative Structured Dictionary Learning for Visual Tracking,IDSDL-VT)。首先,本文构建了一种增量判别性结构化字典学习(Incremental Discriminative Structured Dictionary Learning,IDSDL)算法。该算法构建与正负样本图像块对应的判别性字典,并通过局部更新(Local Update,LU)机制实现对字典的在线逐列更新,这填补了通过稀疏表示构建分类模型的跟踪方法未使用结构化字典学习的空白。然后,本文采用学习后的字典以Elastic Net为正则项进行稀疏表示,将表示系数作为特征通过K-组合投票(K-Combined Voting,KCV)方式进行分类器的训练与判决,选取置信度投票最大值对应的样本作为当前帧的跟踪结果。上述过程随着时间推移重复进行,从而实现了字典的增量化更新和目标的连续化跟踪。该跟踪方法在基准集合进行了测评实验,在其中14段序列实现了较为稳定和鲁棒的跟踪,13段序列平均中心误差在10像素以下,平均覆盖率综合达到了67.3%,其中3段测试序列对应的平均中心误差和平均覆盖率在24种跟踪方法测评对比中排名最优。实验的主客观分析结果表明,IDSDL-VT有效解决了论文所提生成性跟踪方法的问题;与经典的在线目标跟踪方法相比,在跟踪精度和鲁棒性方面均取得更为令人满意的表现。(3)为了解决本文所提判别性跟踪方法存在的单次迭代字典学习效果差的问题,同时提高其应用普适性,结合在生成性和判别性跟踪方法方面所取得的成果,本文提出了一种混合性在线跟踪该方法:基于增量选择性稀疏模型和残差加权在线字典学习的在线跟踪方法。该方法首先将选择性稀疏模型、字典学习、分类模型训练与更新进行整合,构建了混合增量稀疏模型(Hybrid Incremental Sparse Model,HISM),将目标跟踪处理流程切分为生成性建模和判别性建模两部分。在生成性建模部分,采用基于稀疏表示的增量时空贡献一致性排序(Sparsity-based Spatial-temporal Contribution Ranking,ISSt CR)的方法,进行关键块的选取,用于代表目标区域;构建了基于帧间索引差的数值调整(Number Adjustment based on Inter-frame Indices Difference,NAIID)方法实现关键块数量的自适应调整。在判别性建模部分,采用了基于关键块的字典学习和线性分类器(组)相结合的方法对候选样本进行判定,构建了残差加权在线字典学习(Residue-weighted Online Dictionary Learning,RODL)与残差加权增量判别性结构化字典学习(Residue-weighted Incremental Discriminative Structured Dictionary Learning,RIDSDL)算法,并给出了两种字典更新方式及其证明。与经典的(在线)字典学习和判别性字典学习方法的实验结果进行对比标明,新提出的加权在线字典学习方法,在迭代次数保持不变的情况下,进一步提高训练信号的信噪比,对人脸分类效果良好。该跟踪方法在基准集合进行了测评实验,与前两章跟踪结果相比,全部序列实现了相对较为稳定和鲁棒的跟踪,13段序列平均中心误差在10像素以下,平均覆盖率综合达到了71.6%,其中1段测试序列对应的平均中心误差和平均覆盖率在24种跟踪方法测评对比中排名最优。实验的主客观分析结果表明,尽管本文所提混合性方法在部分测试序列的准确性有所下降,但普适性更强,在各段测试序列的综合性表现更好;与经典的在线跟踪方法相比,同样能够获得良好的主客观评价。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 郑轶;蔡体健;;稀疏表示的人脸识别及其优化算法[J];华东交通大学学报;2012年01期
2 段菲;章毓晋;;一种面向稀疏表示的最大间隔字典学习算法[J];清华大学学报(自然科学版);2012年04期
3 李仲生;李仁发;蔡则苏;赵乘麟;;稀疏表示下的非监督显著对象提取[J];电子学报;2012年06期
4 段菲;章毓晋;;基于多尺度稀疏表示的场景分类[J];计算机应用研究;2012年10期
5 胡正平;李静;白洋;;基于样本-扩展差分模板的联合双稀疏表示人脸识别[J];信号处理;2012年12期
6 姜芳芳;;稀疏表示理论在提高数字图像质量中的应用[J];科技创新导报;2012年36期
7 马莉娜;;增强的两阶段测试样本稀疏表示方法[J];福建电脑;2013年07期
8 尹学忠;樊甫华;;基于字典学习的超宽带信号稀疏表示与降噪方法[J];计算机应用研究;2014年06期
9 张佳宇;彭力;;基于联合动态稀疏表示方法的多图像人脸识别算法[J];江南大学学报(自然科学版);2014年03期
10 陈才扣;喻以明;史俊;;一种快速的基于稀疏表示分类器[J];南京大学学报(自然科学版);2012年01期
11 陈垚佳;张永平;;图像过完备稀疏表示理论及应用综述[J];电视技术;2012年17期
12 查长军;孙南;张成;韦穗;;基于稀疏表示的特定目标识别[J];吉林大学学报(工学版);2013年01期
13 张涛;梁德群;王新年;;基于稀疏表示的图像模糊度评价方法[J];计算机工程;2013年04期
14 朱启兵;杨宝;黄敏;;基于核映射稀疏表示分类的轴承故障诊断[J];振动与冲击;2013年11期
15 王国权;张扬;李彦锋;王丽芬;马晓梅;;一种基于稀疏表示的图像去噪算法[J];工业仪表与自动化装置;2013年05期
16 丁昕苗;李兵;胡卫明;郭文;王振翀;;基于多视角融合稀疏表示的恐怖视频识别[J];电子学报;2014年02期
17 张石清;赵小明;楼宋江;闯跃龙;郭文平;陈盈;;一种局部敏感的核稀疏表示分类算法[J];光电子.激光;2014年09期
18 范少萍;郑春厚;王召兵;;基于元样本稀疏表示分类器的文本资源分类[J];图书情报工作;2011年16期
19 翟懿奎;甘俊英;徐颖;曾军英;;快速稀疏表示指背关节纹识别及其并行实现[J];吉林大学学报(工学版);2012年S1期
20 段菲;章毓晋;;有监督子空间建模和稀疏表示的场景分类[J];中国图象图形学报;2012年11期
中国重要会议论文全文数据库 前3条
1 何爱香;刘玉春;魏广芬;;基于稀疏表示的煤矸界面识别研究[A];虚拟运营与云计算——第十八届全国青年通信学术年会论文集(上册)[C];2013年
2 樊亚翔;孙浩;周石琳;邹焕新;;基于元样本稀疏表示的多视角目标识别[A];2013年中国智能自动化学术会议论文集(第五分册)[C];2013年
3 葛凤翔;任岁玲;郭鑫;郭良浩;孙波;;微弱信号处理及其研究进展[A];中国声学学会水声学分会2013年全国水声学学术会议论文集[C];2013年
中国硕士学位论文全文数据库 前10条
1 张琨雨;在线字典训练及加权差异性稀疏表示的研究[D];大连理工大学;2011年
2 王勇;基于稀疏表示的人脸识别研究[D];五邑大学;2013年
3 李义真;基于词包与稀疏表示的场景分类[D];华南理工大学;2013年
4 孙丽花;基于稀疏表示的人脸识别方法研究[D];河南科技大学;2013年
5 陈天娇;基于分组稀疏和权重稀疏表示的人脸识别研究[D];安徽大学;2014年
6 刘自成;基于稀疏表示的雷达目标角度与距离估计[D];西安电子科技大学;2014年
7 李立;基于稀疏表示的人脸图像识别方法研究[D];南京理工大学;2012年
8 满江月;基于稀疏表示的代价敏感性人脸识别算法研究[D];南京邮电大学;2012年
9 赵广銮;稀疏表示在图像识别中的应用[D];北京邮电大学;2013年
10 罗燕龙;基于局部稀疏表示模型的在线字典学习跟踪算法研究[D];厦门大学;2014年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978