基於自適應分級稀疏模型的魯棒目標跟蹤研究

《基於自適應分級稀疏模型的魯棒目標跟蹤研究》是依託中國科學院大學，由韓振軍擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於自適應分級稀疏模型的魯棒目標跟蹤研究
• 項目類別：青年科學基金項目
• 項目負責人：韓振軍
• 依託單位：中國科學院大學

項目摘要

目標跟蹤技術是計算機視覺、圖像理解領域的核心研究課題之一,且目標跟蹤技術在視頻會議、視頻內容分析、視頻檢索、運動分析和合成等領域發揮了重要作用。由於在跟蹤過程中，目標形態及運動狀態可能發生明顯變化等情況的存在使得對運動目標的跟蹤變得更加困難。在本研究中，申請人擬通過信息融合技術以及自適應的分級稀疏模型對目標進行魯棒的跟蹤。多源信息融合的目標描述可以獲取目標更完備的信息。然後，在跟蹤過程中基於濾波框架將目標的自適應稀疏表示與稀疏重構結合起來，提出一種基於自適應分級稀疏模型的目標跟蹤新框架，其不僅考慮緊緻、自適應的目標模型，同時融合目標魯棒匹配與定位新方法，即將目標跟蹤中的關鍵問題（目標表觀變化、目標遮擋）都統一到一個新的跟蹤框架中，實現目標的自適應魯棒跟蹤。

結題摘要

目標跟蹤技術受到了機器控制學、信息學、圖像處理、模式識別、人工智慧等研究領域的廣泛關注。針對跟蹤過程中，目標形態及運動狀態可能發生明顯變化等問題，本研究在國家自然科學基金項目“基於自適應分級稀疏模型的魯棒目標跟蹤研究”的資助下，在信息融合技術及壓縮感知在跟蹤中的機理開展了深入的研究工作，取得如下主要成果： 1、提出了一種自適應目標稀疏表達與跟蹤方法，該方法考慮目標及其背景的變化，將目標的壓縮感知特徵在濾波框架下進行自適應調整，保證了跟蹤的穩定性和魯棒性；所提出的稀疏表達方法從全局最優的角度對特徵進行選擇，構造高維數據的稀疏表達模式，因此能夠去除冗餘成份及干擾信息，實現目標模式的緊緻表示，提高特徵描述的效率； 2、提出了基於分層圖模型的多源信息融合方法。根據信息融合中數據關聯基本理論，推導出多行人跟蹤模型，充分融合了雷射的深度信息和圖像信息。並利用分層圖模型，以及深度結構模型的方法進行多目標跟蹤問題的求解； 3、搭建了自主避障小車原型平台，對提出的信息融合技術、快速自適應分級稀疏模型的魯棒性目標跟蹤以及基於多源信息融合的多目標跟蹤方法進行驗證。 撰寫論著1本（正在申請書號），發表重要學術論文13篇（SCI收錄5篇），申請專利2項。獲得省部級自然科學類二等獎1項。