基於稀疏表示的線上視覺跟蹤

《基於稀疏表示的線上視覺跟蹤》是依託大連理工大學,由盧湖川擔任項目負責人的面上項目。

基本介紹

• 中文名：基於稀疏表示的線上視覺跟蹤
• 依託單位：大連理工大學
• 項目類別：面上項目
• 項目負責人：盧湖川

項目摘要

目標跟蹤是計算機視覺、模式識別領域一個非常熱門而且極具挑戰性的課題，其目的是能夠克服遮擋、旋轉、光照、突然運動、變形、複雜背景等因素的干擾，準確的確定目標的位置等參數。近來，稀疏表示理論在目標跟蹤中的研究非常活躍，而且其理論在不斷完善的過程中。本項目擬針對跟蹤問題，圍繞稀疏表示理論，研究能夠處理目標旋轉，姿態，光照，遮擋，以及複雜背景等魯棒的跟蹤算法。本課題的具體目標是探討目標跟蹤中的判決性稀疏字典學習與分類器的聯合最佳化，同時學習出較好的字典和SVM分類器，從而實現生成模型和判決模型的有機融合；探討基於局部模型的目標結構特徵模型，從而將結構化信息與稀疏表示相結合；探討各種可能的稀疏表示重構誤差描述方法，建立一種基於學習的權重的重構誤差描述方法，從而能更好的利用一些先驗信息；最後探討Lucas-kanade方法與稀疏表示目標函式聯合最佳化，求解仿射變換參數，替代撒粒子的方法，加快跟蹤的速度。

結題摘要

隨著交通智慧型監控、安防系統、機器人等硬體系統的廣泛套用，產生了海量視頻數據，視頻目標跟蹤作為理解視頻數據的關鍵任務，在人工智慧領域發展過程中成為急需克服的挑戰難點。為了解決目標跟蹤任務中難以應付的遮擋、旋轉、光照變化、形變等困難，本項目主要從稀疏表示方法與其他聯合最佳化的思路，提出了基於稀疏哈希編碼模型、判決性稀疏字典模型、結構化局部稀疏模型、自適應權重學習模型、以及距離度量等視頻目標跟蹤算法。在本項目資助下，課題組共發表論文47篇，其中在頂級期刊TIP/IJCV共發表論文16篇，在頂級會議CVPR/ICCV共發表論文11篇。基於上述部分成果，項目負責人致力於深入研究複雜場景下顯著性目標檢測與跟蹤，獲得教育部自然科學二等獎。