基于压缩感知的图像在线学习跟踪方法研究

作     者：熊康 

作者单位：华中科技大学 

学位级别：硕士

导师姓名：杨卫东

授予年度：2015年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：在线学习 目标跟踪 检测 压缩感知 卡尔曼滤波 

摘      要：目标跟踪是计算机视觉领域的一个重要的研究方向,它在智能监控、智能交通、人机交互等许多领域应用广泛,具有重要的研究价值和实际意义。由于目标在运动过程中的外形不可以预知,且存在遮挡、尺度变化等问题,使得具有在线学习功能的目标检测跟踪算法研究成为热点。本文对图像在线学习跟踪方法进行了一些研究和探索,重点对目标跟踪领域的一种长时间在线学习跟踪算法进行研究,在该算法的基础上进行了改进优化,使得算法的实时性能得到了较大提高。论文主要工作如下:分析对比几种常见的在线学习跟踪方法,重点研究了TLD(Tracking Learning Detection)目标检测跟踪算法,该算法特点是对目标长时间的实时跟踪,算法适应性强。针对TLD算法实时跟踪方面的不足,提出了一种基于压缩感知的在线学习跟踪方法CS-TLD(Compressive Senses-Tracking Learning Detection)。该方法在TLD的跟踪部分使用快速压缩感知跟踪方法,使得运动目标的跟踪快速高效、实时性强,与原始的TLD中跟踪器采用的算法相比较,快速压缩感知算法提升了目标实时跟踪性能。同时对该算法中的检测模块进行改进,避免了低效地对所有子窗口进行检测。采用卡尔曼滤波估计出目标在当前帧中大致区域,将这个大致的区域作为目标检测的区域,从而进一步改善了该算法的时间性能。对自然场景视频和仿真遮挡图像序列跟踪试验,验证了提出算法具有良好的适应能力,实时性能优于已有方法。