基于压缩感知的鲁棒视频运动检测和跟踪技术的研究

Video-based motion detection and tracking is one of research hotspots in the field of Computer Vision. There still exist several main challenges about robust motion detection and tracking, due to the complexities of real application scene. These challenges are that supposing about pixel distribution in traditional algorithms do not always accord with real scenes, that traditional algorithms lack the adaptive method to sudden illumination change and shadow, and that tracking efficiency is affected by background interfere, appearance variation and partial occlusion. Compressive sensing is a new type of sampling theory, which need not suppose pixel distribution, and can directly sample foreground signals and reconstruct foreground motion objects. This proposal intends to build a model about sampling sparse foreground signals based on compressive sensing, gain robust algorithms of motion detection by constructing an effective measurement matrix, restraining sudden illumination change and shadow, and implement robust tracking by effectively extracting features and representing object features based sparse respresentation, restraining background interfere, appearance variation and partial occlusion. Related researching work can promote the fusion of compressive sensing theory and motion detection, and provide some new solving thoughts for many challenges of video-based motion detection and tracking. The researching results will be published at least in twelve papers in major journals and academic conferences and be submitted in one to two applications about patent or software copyright.

视频运动检测和跟踪是计算机视觉领域的研究热点之一，但是实际复杂场景下鲁棒运动检测和跟踪仍存在以下主要挑战：1）需要对像素分布进行假设，但并不总是符合实际场景；2）需要对光照突变、阴影特别处理或后处理，缺乏适应性算法； 3)跟踪过程中背景干扰、表观变化、局部遮挡情况影响跟踪效率。压缩感知是一种新兴信号采集理论，无需对像素分布进行任何假设，可以直接对运动检测和跟踪关注的稀疏性前景信号进行采样，并重构出前景目标。本项目在建立基于压缩感知提取稀疏性前景信号模型的基础上,通过构造抑制光照突变和阴影的测量矩阵以得到鲁棒运动检测算法，进而通过有效特征提取和目标稀疏表述来实现抑制背景干扰、表观变化、局部遮挡的鲁棒目标跟踪，其研究将促进压缩感知理论与视频运动跟踪技术的融合,并为视频运动检测跟踪中挑战性问题提供新的解决思路。预期在国内外重要期刊及会议上发表论文12篇，并申请1-2项专利或软件著作权登记。

视频运动目标检测跟踪技术是计算机视觉领域的研究热点之一，压缩感知采样理论为视频运动目标检测跟踪提供了新思路。项目围绕基于压缩感知的视频运动目标检测跟踪技术开展了以下五个方面的研究。（1）针对抑制光照突变和阴影的运动检测算法，项目分别基于对比度模型、阴影光学属性、YCbCr颜色空间特性提出了三种阴影模型以抑制光照突变和阴影干扰，并探索了基于压缩感知理论进行视频运动检测的有效方法。（2）针对测量矩阵的构造方法，项目提出了一种自适应测量矩阵，其测量矩阵的稀疏程度、列数和行数皆随着给定跟踪目标而自适应地变化，并探讨了确定测量向量元素个数的方法。（3）针对目标特征的提取方法，项目对常用目标特征进行了分类汇总及优缺点分析。结合各种特征在运动跟踪中的特性，项目基于多特征融合的思路提出了四种目标跟踪方法以促进跟踪的稳定性。（4）针对目标特征的压缩方法，项目提出了一种不规则分块LBP特征的压缩方法，避免了高维特征的耗时计算过程，并且有效保留了原有目标特征的丰富信息。（5）针对压缩跟踪框架中目标特征匹配方法，项目提出在压缩域实现特性向量解析的有效思路，建立了一种基于压缩感知理论的粒子滤波跟踪模型，并基于该模型提出了一种基于粒子滤波的压缩跟踪方法。基于公开视频数据库的相关实验表明，项目所提出的各种目标检测和跟踪算法获得了更加鲁棒的效果。其相关研究成果已在国内外重要期刊和会议上发表相关论文12篇（SCI：1，EI：7），申请发明专利4项。