基于自适应分级稀疏模型的鲁棒目标跟踪研究

Object tracking plays an essential role in many applications and remains challenging open problems. Some of the previous research tends to fail when the object subjects to dynamic background,partial occlusion or image deterioration. To address these problems, we propose a new approach for robust visual object tracking via data fusion based adaptive two-stage sparse representation and reconstruction, where two main contributions are devoted in terms of object representation and location respectively.Firstly, we extract a new combined feature. Secondly, we design a new sparse feature to compactly represent the object appearance via an online learning algorithm. The designed feature is capable of ensuring the discrimination of the object representation against various appearance patterns. Thirdly, a reconstruction strategy using the sparse representation is proposed for the sake of obtaining accurate object location spatially. The sparse reconstruction facilitates the effective location of the object local parts even in the cases of partial occlusion or image deterioration. Finally, the sparse representation and reconstruction are integrated into a Kalman filter (KF) framework to develop a robust object tracker.

目标跟踪技术是计算机视觉、图像理解领域的核心研究课题之一,且目标跟踪技术在视频会议、视频内容分析、视频检索、运动分析和合成等领域发挥了重要作用。由于在跟踪过程中，目标形态及运动状态可能发生明显变化等情况的存在使得对运动目标的跟踪变得更加困难。在本研究中，申请人拟通过信息融合技术以及自适应的分级稀疏模型对目标进行鲁棒的跟踪。多源信息融合的目标描述可以获取目标更完备的信息。然后，在跟踪过程中基于滤波框架将目标的自适应稀疏表示与稀疏重构结合起来，提出一种基于自适应分级稀疏模型的目标跟踪新框架，其不仅考虑紧致、自适应的目标模型，同时融合目标鲁棒匹配与定位新方法，即将目标跟踪中的关键问题（目标表观变化、目标遮挡）都统一到一个新的跟踪框架中，实现目标的自适应鲁棒跟踪。

目标跟踪技术受到了机器控制学、信息学、图像处理、模式识别、人工智能等研究领域的广泛关注。针对跟踪过程中，目标形态及运动状态可能发生明显变化等问题，本研究在国家自然科学基金项目“基于自适应分级稀疏模型的鲁棒目标跟踪研究”的资助下，在信息融合技术及压缩感知在跟踪中的机理开展了深入的研究工作，取得如下主要成果：.1、提出了一种自适应目标稀疏表达与跟踪方法，该方法考虑目标及其背景的变化，将目标的压缩感知特征在滤波框架下进行自适应调整，保证了跟踪的稳定性和鲁棒性；所提出的稀疏表达方法从全局最优的角度对特征进行选择，构造高维数据的稀疏表达模式，因此能够去除冗余成份及干扰信息，实现目标模式的紧致表示，提高特征描述的效率；.2、提出了基于分层图模型的多源信息融合方法。根据信息融合中数据关联基本理论，推导出多行人跟踪模型，充分融合了激光的深度信息和图像信息。并利用分层图模型，以及深度结构模型的方法进行多目标跟踪问题的求解；.3、搭建了自主避障小车原型平台，对提出的信息融合技术、快速自适应分级稀疏模型的鲁棒性目标跟踪以及基于多源信息融合的多目标跟踪方法进行验证。.撰写论著1本（正在申请书号），发表重要学术论文13篇（SCI收录5篇），申请专利2项。获得省部级自然科学类二等奖1项。