时空相关的分布式压缩感知模型及其在监控视频不完整目标的重建和识别中的应用

目前，视频监控系统已在我国得到广泛的应用，但由于所获取的监控视频质量以及目标和摄像头间的相对位置的不确定性等因素的影响，监控视频中目标不完整或部分信息缺失的情况普遍存在，进而显著影响公安工作中取证和关键线索的获取。本项目正是针对上述情况，基于压缩感知理论，探索监控视频中不完整目标的恢复重建和识别方法。首先实现基于传统压缩感知理论的不完整目标的重建和识别；其次提出时空同时相关的分布式压缩感知模型及相应的稀疏表示、感知矩阵优化构建和重建算法；在此基础上，实现基于时空相关的分布式压缩感知模型的监控视频不完整目标的重建和识别；最后，建立相应的实验演示系统。.本项目的研究，对提高现有的视频监控系统在公安工作中的应用效率，为当前我国经济社会的高速发展最大限度地提供和谐因素，具有重要的现实意义；同时，对进一步完善和发展新型的数据表示理论，探索高效的图像重建和模式识别算法等，具有显著的学术意义。

压缩感知重建算法是影响压缩感知实际应用的一个瓶颈，为此，提出多种匹配追踪类的高效算法，包括基于树结构的搜索匹配算法，稀疏度未知情况下的重建算法等；同时，提出基于压缩感知的高分辨率重建算法；对分布式压缩感知的三种联合稀疏模型（JSM）进行研究，提出相应的切合实际的实现方案；另外，对时空相关的数据，直接采用基于压缩感知的融合算法，实现图像完整信息的重建，并取得了良好的效果；最后，针对压缩采样数据，如单像素相机数据，在压缩感知域，直接实现对原始数据的筛选、分类和识别。本项目的研究，一方面有效改进和提升压缩感知相关算法的效率；同时，显著拓展了压缩感知的实际应用领域；提出的压缩感知域数据处理和目标识别算法，对一些诸如关联成像应用等前沿领域的研究和发展，具有重要的理论和实际意义。