稀疏表示、目标跟踪

1、2015年5月21日基于稀疏表示的遮挡目标基于稀疏表示的遮挡目标快速重构算法研究快速重构算法研究答辩人：冷佳旭答辩人：冷佳旭导导 师：陈师：陈 勇勇 副教授副教授能源科学与工程学院能源科学与工程学院目录目录1 课题背景和研究意义课题背景和研究意义2 稀疏表示理论稀疏表示理论3 基于稀疏度自适应的图像重构算法基于稀疏度自适应的图像重构算法4 基于基于Gabor字典的稀疏表示跟踪算法字典的稀疏表示跟踪算法5 基于基于L1跟踪的遮挡目标快速重构算法跟踪的遮挡目标快速重构算法1.课题背景和研究意义课题背景和研究意义u目标跟踪是计算机视觉研究领域的一个热门研究方向，并被广泛应用于多个领域，比如智能导航、

2、视频安全监控以及武器制造等。u遮挡一直是目标跟踪中的一个难点。有效地的处理遮挡问题是实现运动目标跟踪的关键问题之一。1.课题背景和研究意义课题背景和研究意义u近几年，受到基于稀疏表示的人脸识别方法的启发，稀疏表示在目标跟踪中也逐渐获得了应用。u基于稀疏表示的目标跟踪算法的先验条件并不是在所有情况下均会成立，尤其是在严重遮挡时。2.稀疏表示理论稀疏表示理论 稀疏表示模型：0. .MinxstyDx2.稀疏表示理论稀疏表示理论针对稀疏表示模型，目前面临三个问题：1) 如何求得最稀疏的系数 2) 如何构造有效的稀疏表示字典 3) 如何将稀疏表示应用于图像处理中3.基于稀疏度自适应的图像重构算法基于稀

3、疏度自适应的图像重构算法传统的信号重构过程：压缩感知信号重构过程： 3.基于稀疏度自适应的图像重构算法基于稀疏度自适应的图像重构算法 重构算法作为压缩感知中最为重要的一部分，对于压缩感知的在实际中的应用有着很大的影响。目前重构算法主要包括了三大类： (1)松弛优化算法 (2)贪婪跟踪算法 (3)组合优化算法3.基于稀疏度自适应的图像重构算法基于稀疏度自适应的图像重构算法 分段正交匹配跟踪算法（stage-wise OMP）:3.基于稀疏度自适应的图像重构算法基于稀疏度自适应的图像重构算法改进算法流程图：3.基于稀疏度自适应的图像重构算法基于稀疏度自适应的图像重构算法匹配滤波： 更新候选集：更新

4、支撑集：重构与残差计算：1j:|tTkkkkJr 1kkkJCFD(|,)TkkFMax Dy SkkFxDykTkFkryx3.基于稀疏度自适应的图像重构算法基于稀疏度自适应的图像重构算法 下面为采样率为0.5时，不同算法对灰度图aircraft和ship的重构结果： 原始图像 BP算法 OMP算法 StOMP算法 改进算法 3.基于稀疏度自适应的图像重构算法基于稀疏度自适应的图像重构算法不同算法在相同采样率0.5下的PSNR（db）值:不同算法在相同采样率下0.5的重构时间t（s）:4.基于基于Gabor字典的稀疏表示跟踪算法字典的稀疏表示跟踪算法 在目标跟踪过程中，光照变化和目标姿态变化

5、都严重影响着跟踪效果，一个好的跟踪算法应在这两种情况下都具有良好的鲁棒性。 Gabor小波与人类视觉系统中简单细胞的刺激响应相似，它在提取目标的局部空间特征和频域信息方面具有很好的特性，而且对于光照变化不敏感。4.4.基于基于GaborGabor字典的稀疏表示跟踪算法字典的稀疏表示跟踪算法 构造Gabor字典采用如下生成函数： 式中， 是像素位置参数， 、 分别表示Gabor特征字典生成函数的方向参数和尺度参数。 22,22,| | |2,/22,2|( )()u vu vkzjku vu vkzeee( , )zx yuv4.4.基于基于GaborGabor字典的稀疏表示跟踪算法字典的稀疏表

6、示跟踪算法 目标的Gabor特征由目标图像的灰度值和Gabor特征字典生成函数卷积得到，即： 上式中，尺度参数 和方向参数 ， 是目标图像在 下通过Gabor滤波提取的特征。卷积计算为：,( ) | ( )*( )|u vu vozI zz0,1,2,3,4u0,1,2,3,4,5,6,7v,( )u voz, u v,( )*( )( , )(,)u vu vabI zzI a bxa yb 4.4.基于基于GaborGabor字典的稀疏表示跟踪算法字典的稀疏表示跟踪算法通过Gabor变换提取得到的目标Gabor特征示意图：4.4.基于基于GaborGabor字典的稀疏表示跟踪算法字典的稀疏

7、表示跟踪算法改进算法流程图：4.4.基于基于GaborGabor字典的稀疏表示跟踪算法字典的稀疏表示跟踪算法该算法主要分为三个阶段：v 初始化阶段：建立Gabor特征字典。v 跟踪阶段：确认目标。v 字典更新阶段：Gabor特征字典更新。4.4.基于基于GaborGabor字典的稀疏表示跟踪算法字典的稀疏表示跟踪算法 下面为改进算法和L1算法对视频“guying”和“sylvester”的跟踪结果：5.5.基于基于L1L1跟踪的遮挡目标快速重构算法跟踪的遮挡目标快速重构算法 , , .0ayT II eDc st ceL1的稀疏表示模型： 5.5.基于基于L1L1跟踪的遮挡目标快速重构算法跟踪

8、的遮挡目标快速重构算法改进算法流程图：5.5.基于基于L1L1跟踪的遮挡目标快速重构算法跟踪的遮挡目标快速重构算法经典稀疏表示模型：11min |.zest xDze111(, )min |.mlmlm lEzeweest xDze 改进后的稀疏表示模型：5.5.基于基于L1L1跟踪的遮挡目标快速重构算法跟踪的遮挡目标快速重构算法 两种算法对视频“aircraft”的DER值 两种算法对视频“aircraft”的DER值 两种算法对视频“aircraft”的DER值 5.5.基于基于L1L1跟踪的遮挡目标快速重构算法跟踪的遮挡目标快速重构算法 两种算法对视频“coke”的DER值 小结小结论文

9、主要提出了三个算法： 1、基于稀疏自适应的图像重构算法 2、基于Gabor字典的稀疏表示跟踪算法 3、基于L1跟踪的遮挡目标快速重构算法研究成果研究成果1 1 稀疏度自适应信号重构方法稀疏度自适应信号重构方法. . 中国发明专利，中国发明专利，201410658642.0201410658642.0（学生一作）（学生一作）2 2 一种基于稀疏表示的目标跟踪方法一种基于稀疏表示的目标跟踪方法. . 中国发明专利，中国发明专利，20141062529.720141062529.7（学生一作）（学生一作）3 3 基于交叉耦合的边检测边跟踪系统基于交叉耦合的边检测边跟踪系统. . 中国发明专利，中国发明专利，201410658428.5201410658428.5（学生二作）（学生二作）4 4 基于稀疏学习的目标跟踪算法基于稀疏学习的目标跟踪算法. . 电子科