《基於壓縮感知的多攝像機系統目標跟蹤算法研究》是依託北京理工大學，由李靜擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於壓縮感知的多攝像機系統目標跟蹤算法研究
- 依託單位：北京理工大學
- 項目負責人：李靜
- 項目類別：青年科學基金項目
項目摘要,結題摘要,
項目摘要
多攝像機系統目標跟蹤不僅可以擴大視野的有效範圍，而且可以從多個視角監視目標以解決遮擋問題。為了提高多攝像機環境嵌入式視覺系統中圖像數據存儲、處理和傳輸的的速度，有效減小目標跟蹤算法的運算量，本項目基於壓縮感知的信號描述和處理理論框架, 對多攝像機系統目標的稀疏性進行描述，進而對目標的特徵進行描述，最終實現目標的特徵提取和匹配。重點對基於壓縮樣本的目標檢測算法和壓縮粒子濾波跟蹤算法進行研究，構建一個面向多攝像機系統的目標跟蹤環境，實現壓縮採樣框架下的目標檢測和跟蹤等功能。本項目研究的方法能直接利用壓縮樣本進行目標特徵提取和匹配操作，可有效降低運算量，提高多攝像機系統目標跟蹤的實時性，將為壓縮採樣框架下構建穩定的目標檢測和跟蹤提供技術支持。另外，該方法摒棄了對圖像進行恢復的複雜操作，直接實現對目標位置、速度等運動信息的估計，為在新的信號描述理論框架下進行圖像處理提供參考。
結題摘要
在開展面向多攝像機實現目標跟蹤方法等相關研究的基礎上，為了更好的達到實時檢測和跟蹤要求，降低圖像數據存儲和傳輸的成本，減小目標檢測和跟蹤算法的運算量，基於壓縮感知的信號描述和處理理論框架，主要研究成果包括：（1）壓縮採樣框架下目標的稀疏性描述，利用稀疏特徵基、低維子空間及RGB特徵直方圖、HOG特徵和模板特徵來描述目標，根據目標的稀疏性描述，給出目標的特徵描述；（2）提出穩定的基於壓縮採樣的運動目標檢測算法，根據目標的稀疏描述，其稀疏係數可以根據稀疏方案通過解決l1規則化最小方差問題估計得到。根據目標的稀疏係數確定目標檢測結果；（3）壓縮粒子濾波跟蹤算法，對跟蹤目標的外觀特徵進行建模，利用貝葉斯推理獲得目標外觀狀態參數的最優估計，最後利用最優估計的目標觀測更新目標的特徵基空間，將跟蹤視為一個稀疏的估計問題並通過l1範數最小化方法來解決；將部分研究成果套用到了無人運動平台的環境認知系統中，解決無人運動平台的多攝像機系統環境中場景理解算法存在如信息量大不能滿足實時性要求等的問題。項目實施過程中，課題組發表相關學術論文12篇；撰寫專著《圖像檢測與目標跟蹤技術》1部；獲批其他基金項目4項；獲批國家發明專利4項；培養博士1名，碩士4名；參加國內外學術會議4次，與相關領域專家開展了廣泛深入的學術交流。本項目的研究成果可為在壓縮採樣框架下構建穩定的目標檢測和跟蹤算法提供技術支持。
