最小软阈值和连续概率奇异值的跟踪算法.pdfVIP

第 30卷第 6期 滨州学院学报 2014年 12月 Vo1．30，NO．6 JournalofBinzhouUniversity Dec．，2014 最小软阈值和连续概率奇异值的跟踪算法 王海军 ，张圣燕 (1．滨州学院 航空信息技术研发中心；2．滨州学院 化学工程系，山东 滨州 256603) 摘 要 ：针对 目标跟踪中IVT(Incrementalvisualtracking)算法对遮挡问题 比较敏感，l算 法计算量大的缺点，将 PCA(PrincipalComponentAnalysis)子空间假定为具有高斯噪声和拉普 拉斯噪声，同时引入二进制值以排除遮挡因素，提出了基于最小软阈值和连续概率奇异值的 目标 跟踪算法。实验结果表 明，新算法对光照、遮挡、尺度变化等 因素具有较强的鲁棒性。 关键词 ：目标跟踪 ；最小软 阈值 ；贝叶斯估计 ；遮挡 中图分类号 ：TP391．4 文献标识码 ：A DOI：10．13486／j．cnki．1673—2618．2014．06．015 0 引言 目标跟踪是计算机视觉领域非常重要的研究课题 ，在视频监控 、辅助驾驶 、导航制导、交通控制等领域 得到了广泛的应用 。过去几十年 ，国内外学者提 出了许多模型用于 目标跟踪，但是由于跟踪视频存在角度 变换、尺度变化、光照变化、遮挡、突变 以及相机运动等因素，使得设计一个稳健的跟踪模板仍然是一项具 有挑战性的任务。Ross等n 提出了在线更新跟踪 目标外观模型的IVT(Incrementalvisualtracking)增量 目标跟踪算法 ，该算法对跟踪 目标 中存在的异常噪声(如遮挡)比较敏感 。Mei等嘲 提出基于 范数最小 化的目标跟踪算法，该方法通过引人稀疏表示及琐碎模板解决跟踪过程中跟踪 目标存在的目标遮挡问题， 但是该方法存在计算量大 ，跟踪 目标方框只能选取 16x16像素，难以充分利用图像信息等问题。Bao等 ] 利用APG(Acceleratedproximalgradient)算法改进 算法的计算量大等问题，但是该方法计算量大，跟 踪效果并不理想 。针对上述 问题本文结合 PCA子空间及二进制值以排除遮挡 因素，提出了基于最小软 阈 值和连续概率奇异值的 目标跟踪算法 ，有效地解决 了视频跟踪中存在 的目标遮挡及计算量大等问题 。 1 IVT模型 IVT算法 利用在线学习和更新低维PCA子空间来解决跟踪过程中跟踪 目标 出现的尺度变换 、光照 变化以及角度变化等问题 。该模型为 Y— Ae+ e。 (1) 其 中Y表示观测 目标向量 ，A为编码矩阵，c为对应的编码系数 ，P为误差 (噪声)向量 。1VT算法假设误差项 P服从小方差的高斯分布，因此根据最大似然估计可得编码系数c—AY，重构误差为 llY—AAY 。但是 当跟踪过程中出现奇异噪声时，小方差噪声 的高斯假设并不能很好描述跟踪 目标的变化，因此 IVT算法 对遮挡物体的跟踪效果并不理想 。 收稿 日期 ：2014—1l一2O 基金项 目：滨州市科技发展计划项 目(2O13zcO1O3) 第一作者简介 ：王海军 (198O一)，男 ，山东烟 台人 ，讲师，硕士，主要从事视频跟踪 ，图像分割研究 。 E—mail：whilym@ 163．corn 82 滨州学院学报 第 3O卷 2 连续概率奇异值模型 变量概率密度函数为^()一 1exp(一 )和拉普拉斯噪声向量s(s∈L(。，))，其变量概率密 度函数为^(一 exp(一 )的组合，即噪声向量P服从高“斯一拉普拉斯”分布。因此，式(1)可 即噪声向量P—n+s，其联合概率密度为厂()一Ⅱ ， (Ci)，f~，．(ei)一f()*-厂f-(si)，*表示卷积。 一 1,C,Si)一1唧f_ }o ㈦