基于稀疏理论和相关滤波的鲁棒目标检测和跟踪算法及应用研究

Robust object detection and tracking algorithm is one of the important research directions in computer vision and has a broad application prospect. For the bottleneck of the existing algorithms and the successful application of sparse theory and correlation filter in the field of image processing, we analyze the existing algorithms deeply and mine new prior information (e.g. spatial structure prior, dynamic constraints in time domain, etc.), then propose the new robust algorithms of object detection and tracking. At the same time, as moving object detection and tracking can assist each other, in the framework of semi-supervised learning, we study a new idea of object detection and tracking mutual guided learning and improve their performance. In addition, based on the research work above, we utilize the proposed algorithm of object detection and tracking to develop a set of low-cost online recognition system of in-air handwritten Chinese character by ordinary camera, which brings a more natural and harmonious human-centered fire-new handwritten interaction experience to us.. The significance of our project is to explore the new theory and new algorithm of moving object detection and tracking, to promote the research and development of relevant subject, to provide a certain theoretical and practical evidence in order to further explore its application fields and expand its application scope (e.g. smart home, etc.).

鲁棒的目标检测和跟踪算法是计算机视觉的重要研究方向且具有非常广阔的应用前景。针对现有算法存在的瓶颈及稀疏理论和相关滤波在图像处理领域的成功应用，深入分析已有算法模型并挖掘新的先验信息（如：空间结构先验，动态时域约束等）从而提出新的鲁棒的目标检测和跟踪算法模型。同时鉴于运动目标检测和跟踪可以相互辅助，在半监督学习框架下，研究了目标检测和跟踪相互指导学习的新思路，从而提升它们的性能。此外，在前述研究基础之上，利用所提出的目标检测和跟踪算法开发一套成本低廉的基于普通摄像头的在线空中手写汉字识别系统，给人们带来一种更加自然和谐的以人为中心的全新的手写交互体验。. 本项目的研究意义在于探索运动目标检测和跟踪的新理论和新算法，也为推动相关学科的研究发展，进一步探索其应用领域，拓展其应用空间（如：智能家居等）提供了一定的理论和实践依据。

鲁棒的目标检测和跟踪算法是计算机视觉的重要研究方向且具有广阔的应用前景。本项目主要从目标检测、目标跟踪和实际场景应用等方面开展了相关研究。在目标检测方面提出了两种算法：其一根据行人的运动特点和行人在图像中的位置和身高的对应关系，提出了一种结合运动特征和位置估计的行人检测算法；其二针对ACF算法在复杂场景中因其特征局限性导致的误检率高的问题，在原ACF算法中引入LBP和ST特征，提出了纹理和轮廓特征融合的多通道特征的行人检测算法。在目标跟踪方面也提出了两种算法：其一为了消除相关滤波中的循环采样带来的边缘效应，提出了一种有效的多尺度的L1正则的相关滤波跟踪算法，该算法可以有效的抑制边缘效应导致的跟踪漂移；其二为了处理部分遮挡和目标变形的影响，提出了基于部件的结构支撑相关滤波跟踪模型，该模型吸收了来自SVM的强判别能力和基于部件的模型对部分遮挡不敏感的良好性能且能在频率域通过快速傅里叶变换快速求解，同时兼顾了跟踪模型对性能和速度的要求。最后为了采集到空中手写的汉字，将提出的目标跟踪算法应用于基于普通摄像头的指尖检测和跟踪，并通过跟踪的指尖轨迹重构书写的汉字字符，最终搭建了基于普通摄像头的空中手写中文字符识别系统。在本项目的资助下，项目组成员共发表论文4篇（SCI检索2篇），申请软件著作权1项。项目负责人获得山西省“三晋英才”称号。