《基於壓縮感知的魯棒視頻運動檢測和跟蹤技術的研究》是依託雲南大學，由高贇擔任負責人的國家自然科學基金專項基金項目。
基本介紹
- 中文名：基於壓縮感知的魯棒視頻運動檢測和跟蹤技術的研究
- 負責人：高贇
- 依託單位：雲南大學
- 項目類型：專項基金項目
項目摘要,結題摘要,
項目摘要
視頻運動檢測和跟蹤是計算機視覺領域的研究熱點之一，但是實際複雜場景下魯棒運動檢測和跟蹤仍存在以下主要挑戰：1、需要對像素分布進行假設，但並不總是符合實際場景；2、需要對光照突變、陰影特別處理或後處理，缺乏適應性算法； 3、跟蹤過程中背景干擾、表觀變化、局部遮擋情況影響跟蹤效率。壓縮感知是一種新興信號採集理論，無需對像素分布進行任何假設，可以直接對運動檢測和跟蹤關注的稀疏性前景信號進行採樣，並重構出前景目標。本項目在建立基於壓縮感知提取稀疏性前景信號模型的基礎上,通過構造抑制光照突變和陰影的測量矩陣以得到魯棒運動檢測算法，進而通過有效特徵提取和目標稀疏表述來實現抑制背景干擾、表觀變化、局部遮擋的魯棒目標跟蹤，其研究將促進壓縮感知理論與視頻運動跟蹤技術的融合,並為視頻運動檢測跟蹤中挑戰性問題提供新的解決思路。預期在國內外重要期刊及會議上發表論文12篇，並申請1-2項專利或軟體著作權登記。
結題摘要
視頻運動目標檢測跟蹤技術是計算機視覺領域的研究熱點之一，壓縮感知採樣理論為視頻運動目標檢測跟蹤提供了新思路。項目圍繞基於壓縮感知的視頻運動目標檢測跟蹤技術開展了以下五個方面的研究。（1）針對抑制光照突變和陰影的運動檢測算法，項目分別基於對比度模型、陰影光學屬性、YCbCr顏色空間特性提出了三種陰影模型以抑制光照突變和陰影干擾，並探索了基於壓縮感知理論進行視頻運動檢測的有效方法。（2）針對測量矩陣的構造方法，項目提出了一種自適應測量矩陣，其測量矩陣的稀疏程度、列數和行數皆隨著給定跟蹤目標而自適應地變化，並探討了確定測量向量元素個數的方法。（3）針對目標特徵的提取方法，項目對常用目標特徵進行了分類匯總及優缺點分析。結合各種特徵在運動跟蹤中的特性，項目基於多特徵融合的思路提出了四種目標跟蹤方法以促進跟蹤的穩定性。（4）針對目標特徵的壓縮方法，項目提出了一種不規則分塊LBP特徵的壓縮方法，避免了高維特徵的耗時計算過程，並且有效保留了原有目標特徵的豐富信息。（5）針對壓縮跟蹤框架中目標特徵匹配方法，項目提出在壓縮域實現特性向量解析的有效思路，建立了一種基於壓縮感知理論的粒子濾波跟蹤模型，並基於該模型提出了一種基於粒子濾波的壓縮跟蹤方法。基於公開視頻資料庫的相關實驗表明，項目所提出的各種目標檢測和跟蹤算法獲得了更加魯棒的效果。其相關研究成果已在國內外重要期刊和會議上發表相關論文12篇（SCI：1，EI：7），申請發明專利4項。
