基于稀疏表达的视觉追踪研究

发布时间：2021-08-17 16:06

　　视觉追踪是计算机视觉领域中的一个重要研究方向,广泛应用于人机交互、工业机器人、视频监控、智能交通等领域。随着人工智能的发展和视频设备的普及,对视觉追踪的研究变得日益重要。虽然现在视觉追踪技术层出不穷,但视觉追踪任务仍面临着很大挑战,如运动模糊、姿势变化、光照变化、遮挡和背景混淆等,这些挑战使追踪任务变得困难。近年来以稀疏表达理论为基础的视觉追踪算法取得了显著的成果,这类算法使用模板对目标进行建模,假设被追踪的目标能够由模板组成的字典矩阵稀疏表示,并选取重构误差最小的候选样本作为追踪到的结果。这类算法的关键在于如何设计有效的稀疏表达模型和将稀疏表达理论与视觉追踪的先验知识更好地结合起来。本文的具体研究和创新主要是在对稀疏表达模型的研究和视觉追踪先验知识的利用上展开:1.本文提出一种基于迹套索的逆稀疏表达模型。该模型使用从当前帧采样得到的候选样本作为字典矩阵,并使用模板作为表达的目标,有效地减少算法的计算负担,加快算法的追踪速度;该模型使用迹套索作为表达向量的正则,迹套索可以根据候选样本之间的相似关系自适应地选择不同的约束,有效地利用了候选样本字典矩阵的低秩信息,使得稀疏模型能够求解出自适... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

视觉追踪框架图

重庆邮电大学硕士学位论文第2章稀疏表达视觉追踪模型研究11第2章稀疏表达视觉追踪模型研究在信号和信号处理领域，信号的“简单性”一直受到大家的高度重视。从信息论的角度来看，如果信号具有某种结构，或者是稀疏的，或可以用某个确定模型来表示，这样的信号可以被称为“简单”信号。简单信号的性质通常表现为低秩性，低熵性和稀疏性[38]。稀疏表达作为对信号“简单性”的描述，是近几年研究人员研究的热点。生物学家的研究[39]发现，人类在感知视觉信息时，大脑视皮层V1区只有少量的神经元被激活，绝大多数神经元都处于未激活状态，这表明了视觉信息可以用少量神经元进行稀疏表示。受此启发，研究者们将信号稀疏表达理论应用到了计算机视觉领域，并得到了广泛应用。现在，稀疏表达理论已广泛应用于人脸识别[27]、图像超分辨率重构[40]、图像去噪和视觉追踪[28]等计算机视觉领域。稀疏表达可以获取图像中的关键特征信息和主要特征信息，并消除图像中冗余信息的干扰，降低存储量和计算量，有利于进一步的图像分析和处理。因此，图像稀疏表达这一技术在计算机视觉领域收到了研究人员的广泛关注。2.1稀疏表达理论图2.1稀疏表达模型示意图

重庆邮电大学硕士学位论文第2章稀疏表达视觉追踪模型研究20追踪目标模板，12[,,,]nZzzz表示由样本观测值在模板矩阵上的表达向量组成的矩阵，其中模板系数矩阵Z的每一列iz都表示在无噪音情况下对应的样本观测值ix在模板矩阵上的表达，即iixDz。关于基于多任务的稀疏表达视觉追踪模型的符号定义的更多细节可见表2.2。表2.2基于多任务的稀疏表达视觉追踪模型符号定义符号定义id第i个模板D由模板组成的模板集jx第j个候选样本对应的观测值X由候选样本观测值组成的候选样本集jz第j个候选样本在模板集上的表达Z由各个候选样本的表达组成的表达矩阵I琐碎模板，单位矩阵E候选样本集X在琐碎模板I上的表达矩阵基于多任务的稀疏表达视觉追踪算法以候选样本观测值矩阵X作为要表达的目标，以追踪目标模板矩阵和单位矩阵为字典B，表达模型[32]如下：[]ZXDIBCE(2.22)式中，I——琐碎模板，单位矩阵E——噪音表达向量矩阵模板表达向量矩阵Z与噪音表达向量矩阵E一起组成了表达向量矩阵C。基于多任务的稀疏表达模型的说明说明如图2.3所示。(a)(b)(c)图2.3基于多任务的稀疏表达视觉模型说明图(a)由从当前帧采样得到的候选样本组成的候选样本矩阵；(b)由正面模板集和单位矩阵组成的字典矩阵；(c)由候选样本的表达构成的表达矩阵。

【参考文献】：
期刊论文
[1]基于稀疏表示的视频目标跟踪研究综述[J]. 黄宏图,毕笃彦,侯志强,胡长城,高山,查宇飞,库涛.  自动化学报. 2018(10)
[2]目标跟踪算法综述[J]. 卢湖川,李佩霞,王栋.  模式识别与人工智能. 2018(01)
[3]基于神经网络的机器人手眼无标定平面视觉跟踪[J]. 潘且鲁,苏剑波,席裕庚.  自动化学报. 2001(02)
[4]红外探测阵列对固体导弹尾焰跟踪定位的研究[J]. 赵久奋,王明海.  固体火箭技术. 2000(04)



本文编号：3348074