基于粒子濾波和稀疏表示的目標跟蹤算法研究.pdf

1、在信息化的潮流中，機器視覺、人工智能等關鍵技術領域發(fā)展鼎盛。利用計算機的能力代替人眼、人腦的功能是當前研究的熱點，其中目標跟蹤技術更是在民用和軍用等領域中均得到了廣泛的重視，比如攝像頭監(jiān)控、戰(zhàn)場中的自動化定位打擊等。除了廣泛的應用面之外，目標跟蹤算法的研究難度也激發(fā)了眾多學者提出了許多先進的算法，按照建模方法可以將這些算法分為判別模型和生成模型。然而到目前為止，在目標的姿態(tài)和尺寸不斷變化、不同的光照條件和遮擋程度下，受限于有限的計算資源

2、，要實現魯棒且快速的跟蹤仍然是一個非常具有挑戰(zhàn)意義的難題。
　　本文基于判別模型與生成模型的優(yōu)缺點，提出了一種新的在粒子濾波框架下的基于支持向量機和稀疏表示的級聯結構的跟蹤算法。該聯合算法利用了支持向量機優(yōu)秀的分類能力以及稀疏表達的建模能力，主要的研究工作包括以下三個方面：
　　首先針對粒子濾波的粒子數量大計算復雜的缺點，設計了基于支持向量機的判別子模型。首次將初始分類器與更新分類器根據置信度的意義進行結合，設計了訓練樣本的

3、選取與更新方式以在保留初始目標信息的同時適應狀態(tài)的變化。并設計了實驗驗證該判別模型的分類有效性，即該模型可以起到剔除不可靠候選目標的作用。
　　其次，在生成算法部分對基于局部的稀疏生成模型進行了相應的改進。在求解稀疏方程問題上，為了在求解的精度與速度之間尋求折中，對比了 LASSO與OMP兩種稀疏求解算法。提出了將信息熵作為度量的標準，通過實驗驗證了其在干擾因素單一的場景下的可行性。
　　最后，利用跟蹤評估平臺VOT（The