基于稀疏性协作模型的目标跟踪.docxVIP

基于稀疏性协作模型的目标跟踪王硕豪 计算机应用技术 6120160166Abstract 在本文中我们提出了一种利用了协同模型的鲁棒的目标追踪算法。在基于稀疏性的判别分类器（SDC）模块，我们引入了更有效方法来进行置信值计算，那就是比起背景给前景分配更多的权重。在基于稀疏性的生成模型（SGM）模块，提出了一种新的基于直方图的方法，该方法考虑了每个图像块的空间信息遮挡。Introduction 在视频中获取感兴趣的目标是目前很具有挑战性的研究热点之一，在视频监控、人机交互和军事领域都具有巨大的应用前景。目标跟踪问题的技术难点是实时，准确和稳定地将感兴趣的目标表现出来，但是由于目标的运动方式、运动场景和目标外在特征的突然改变以及光照的变化和目标遮挡等一系列问题都会导致目标跟踪的准确率和稳定性的下降。 这里所指的目标跟踪，是通用单目标跟踪，第一帧给出矩形框，这个框在数据库里面是人工标注的，在实际情况下大多是检测算法的结果，然后需要跟踪算法在后续帧紧跟住这个框。 首先，一个目标可以被不同的特征表示，如强度，颜色，纹理，超像素，和Haar特征。在这项工作中，由于其简单性和效率我们利用强度值来表示。此外，我们的方法利用整体样本的强度来从背景中识别目标, 以及保证局部图像块在处理部分遮挡时的有效性。 其次, 需要开发一个模型来验证任何状态的预测, 它可以是被生成的或判别的。 对于生成方法, 跟踪