论文部分内容阅读
目标追踪是近年来一个十分活跃的研究方向,它融合了计算机视觉、人工智能、模式识别等学科技术,在视频安全监控,视频压缩与检索等方面有广阔的应用前景.系统输入图像序列,输出的则是图像中目标的各种属性,如大小、位置等,其目的是为了判断图像序列中目标的位置.影响视频追踪的原因有多个,如光照变化、部分遮挡、目标变形、运动等.追踪算法通常分为生成式算法和判别式算法.压缩感知是一个快速崛起的信号压缩理论.它打破了奈奎斯特采样定律对信号采样率的限制,为信号处理开创了新局面.由于其本身的优越性,该理论一经提出,各学者就争相研究,为其发展做出卓越的贡献.随着压缩感知理论的逐步完善,其应用不再局限于静态信号,与动态追踪算法的巧妙结合有效的减低了计算复杂度,提高了追踪的速度,开创了压缩追踪算法的新格局.基于压缩感知的实时目标追踪算法(CT)是一种新颖的算法,能得到快速准确的追踪效果.实时压缩追踪算法(CT)是由张开华教授于2012年提出的一种在压缩域提取被追踪目标特征的目标追踪算法.CT作为一种新的追踪算法,具有简单、高效、实时的优点,因此受到了广泛的关注,并相继呈现各种改进算法,其中FCT算法增加帧内空间搜索,WCT算法选择具有高分辨率的特征建立外观模型等等.本文将以快速压缩追踪(FCT)算法为重点研究对象,全面分析和比较了CT、WCT和FCT等压缩追踪算法的优缺点,在FCT的基础上提出了改进的分块快速压缩追踪算法.在FCT中,由于压缩测量矩阵的稀疏性,忽略了样本的空间信息,使得提取的特征不能准确的表征样本；当追踪错误时没有补救措施.本文提出一种改进的快速压缩追踪算法,该方法充分利用样本图像的空间信息,分块提取样本的Haar-like特征；利用目标运动估计法矫正分类错误时追踪到的目标.通过调整压缩测量矩阵中行向量的稀疏度以及朴素贝叶斯分类器的阂值可以实现目标的准确追踪.实验结果表明,改进算法与快速压缩追踪算法(FCT)相比,无论是在追踪相似度、追踪成功率还是主观视觉效果上都有所提高.