一种基于稀疏表达和光流的目标跟踪方法.pdf

《一种基于稀疏表达和光流的目标跟踪方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第35卷第2期大连交通大学学报Vo1．35No．22014年4月JOURNALOFDALIANJIAOTONGUNIVERSITYApr．2014文章编号：1673—9590(2014)02—0102—06一种基于稀疏表达和光流的目标跟踪方法牛一捷(大连交通大学软件学院，辽宁大连116028)米摘要：提出一种将稀疏表达技术融人到传统光流算法的目标跟踪方法．首先使用FAST和Harris算法在视频序列的每一帧中为光流算法采集运动目标的特征点，之后光流算法基于后向跟踪一形心配准的方法对跟踪目标完成粗略定位．在当前帧的粗略定位处应用仿射变换产生Ⅳ个候选区域．最后应用稀疏表达技术判

2、断出与原始目标匹配率最高的仿射变换区域做为最终目标跟踪区域．实验结果表明，该算法既能较好地适应目标的外观变化，又具有较强的抗遮挡能力，鲁棒性强．关键词：跟踪；稀疏表达；光流；仿射变换；FAST文献标识码：A0引言任务突然中断问题，而且算法的准确性也得到了很大的提高．随着计算机技术的高速发展，计算机视觉研究领域受到了越来越多研究者的关注．目标跟踪1传统光流算法是其中备受关注的前沿方向，在人机交互、安全监光流的概念是Gibson在1950年首先提出来控、虚拟现实、医学、体育等方面都有广泛应用．虽的．后来将光流法应用于跟踪问题，即利用图像像然已经取得了一些进展，但到目前为止还没有

3、一素点在时间域上的变化以及相邻帧之间的相关性个通用算法适用于所有问题．这是因为目标跟踪来进而推断出跟踪目标在新一帧速度及方向的方问题受到多种因素影响，如：内在因素包括目标物法．根据选取像素点的数量，分为稠密光流和稀疏体位置、形状和尺度的变化等；外在因素包括光照光流．稠密光流是图像中的每个像素点均参与运变化，摄像机运动及视角转换，遮挡、复杂背景等．算，计算开销较大．稀疏光流仅由一组选定的像素传统的经典目标跟踪方法有：光流法J、meanshi~、kalman、粒子滤波．这些算法的准确率点参与运算，因此在实际应用中较多地使用稀疏较低，表现为跟踪目标易发生漂移并很快中断跟光流法．目

4、前应用广泛的是BruceD．Lucas和踪任务．近年来，随着模式识别技术的发展，研究TakeoKanade在1981年提出的Lucas—Kanade人员开始将跟踪问题看成目标检测、目标识别等(LK)算法⋯，本文也基于这个算法．本算法基于模式识别问题，提出了很多算法，其中最具有代表三点假设．性的有：OnlineAdaboostJ，BeSemiTj，TLD等．(1)亮度恒定，像素在帧间运动时，像素值保这类方法在实际应用中跟踪的准确率较高，但是持不变：需要提前学习并且在新的一帧到来时需要进行大，(，Y，t)=，(+dx，Y+dy，t+dt)(1)量的识别操作，对于对实时性要求比较

5、高的跟踪(2)图像的变化相对于时间的变化微小，对问题来说是一个瓶颈问题．图像约束方程使用泰勒公式展开，可以得到：本文鉴于上面两类算法的优缺点，提出一种，(+dx，Y+dy，t+dt)=，(，Y，t)+光流算法和稀疏表达技术相结合的新算法／Od．++d￡(2)(SROF)．不仅能够较好的避免发生漂移和跟踪米收稿日期：2013-09-07作者简介：牛一捷(1978一)，女，讲师，硕士，主要从事计算机视觉和模式识别的研究E·mail：niuyijie1998@163．corn．第2期牛一捷：一种基于稀疏表达和光流的目标跟踪方法103O1d3仿射变换区域的生成++-0’跟踪目标在运

6、动的过程中运动状态可能发生令dzdv，，盂，各种变化．在视频图像中，跟踪目标区域的运动状则u++，=0态包括目标区域中心的二维坐标、旋转角度、缩放这个方程中，，是二维图像的偏导数，，。尺度、宽高比、倾斜角等．这些变化将影响到跟踪是图像随时间的导数，和是所要求的速度在，目标的准确定位，式(8)表示如何生成目标区域Y方向分量，但目前对于单个像素，无解，于是有可能的仿射变换区域．了第三个假设．(8)(3)在一个小的局部区域(1-t×n)内像素运动一致，亮度恒定．其中，(，Y)、(，Y)分别是平面中相对应1LI，l的两个点的坐标，(％，。)为平移矢量，InIrn．n1，f(3)IL

7、l为旋转、伸缩、切变的合成变换的矩阵表●04口5J：Ilnl示，0均为实数．本文对6个参数口进行变化，记作：Ad：6，光流计算的目的就是使得liA得到可能的目标仿射变换区域．选取的仿射变换_÷d—bI1最小化．区域越多，包含的目标仿射变换情况越多，算法的ATA_÷Ad：=b，AAd：=ATb．d=(AA)I1ATb(4)效果越好，但需要以牺牲效率为代价．，2稀疏表达技术4sRoF算法SROF算法的基本思路是：将目标跟踪任务稀疏表达技术是用比香农定律更低的采样率分为两阶段：粗略定位和精确定位．第一阶段粗略来表示和压缩