摘 要

Abstract II

1 绪论 1

1.1 研究的背景及意义 1

1.2 国内外的研究现状 2

1.2.1 压缩感知 2

1.2.2 目标跟踪 2

1.3 技术难点 3

1.4 论文的主要内容 3

1.4.1 论文的主要工作 3

1.4.2 论文的结构安排 3

2 压缩跟踪算法 5

2.1 压缩感知理论 5

2.1.1 信号的稀疏表示 6

2.1.2 信号的稀疏测量 7

2.1.3 信号的重构算法 8

2.2 压缩跟踪算法 9

2.2.1 主要思想 9

2.2.2 高效降维 10

2.2.3 低维压缩特征 11

2.2.4 分类器构建与更新 11

2.3 本章小结 12

3 基于压缩感知的实时跟踪系统 13

3.1 开发工具 13

3.2 系统架构 13

3.3 实施方案 14

3.4 系统实现 16

3.5 本章小结 20

4 总结与展望 21

4.1 总结 21

4.2 展望 21

参考文献 22

致谢 23

摘 要

近年来，越来越多的学者开始专注于目标跟踪邻域的研究，通常是在视频序列某一帧当中选取目标物体并提取特征，然后在此后的每一帧当中对目标物体进行实时跟踪。然而，由于视频中的目标物体存在着光线、背景、姿势的变化以及遮挡的影响，使得准确跟踪每一帧中的目标物体变得较为困难。随着压缩感知理论的提出及被运用在目标跟踪领域，这些问题得到了有效的解决。压缩感知理论表明可通过信号的稀疏性来对信号进行采样，并且这个频率可以远低于奈奎斯特频率，对选取的目标进行压缩投影，能够快速提取目标的多个特征，从而准确地实现对视频序列每一帧中的目标物体的跟踪。本文通过学习压缩感知理论，使用一种压缩感知跟踪算法作为基础来构建实时目标跟踪系统，利用C 进行编程完成系统的设计，通过编程实现的系统鲁棒性比较强，能够对视频序列中所选取的目标物体实现精确的实时跟踪。

关键词：目标实时跟踪、压缩感知、信号稀疏性、C

Abstract

In recent years, more and more scholars have begun to focus on the target tracking neighborhood research, by selecting a target and extract features in a frame of a video sequence, and then tracking the target object in real time in each subsequent frame. However, due to the influence of light, background, posture, and occlusion of the target object in the video, it is more difficult to accurately track the target object in each frame. With the introduction of compressed sensing theory and used in the field of target tracking, these problems have been effectively solved. The compressed sensing theory shows that the target signal can be sampled at a much lower frequency than the Nyquist frequency by the sparsity of the signal, and the selected target can be compressed and projected so that it can quickly extract multiple features of the target and achieve tracking of the target in the frame. Based on the theory of compressed sensing, this paper constructs a real-time target tracking system which are based on a compressive tracking algorithm, and uses C to program the design of the system. The designed system is robust and can accurately select the target for tracking in the video sequence.

Key Words: target real-time tracking；compressed sensing；signal sparsity；C

1 绪论

1.1 研究的背景及意义

目标跟踪是指在视频序列的某一帧中选取需要进行跟踪的目标物体，然后对其进行一系列的图像处理操作，并在之后的每一帧中标记所跟踪到的目标。目标跟踪是计算机视觉领域最基础和最核心的部分，同时它也是该领域研究的热门问题。目前，在工业、民用和军用等多个方面中目标跟踪技术已经得到了广泛的应用，它不仅具有较高的研究价值，同时具有较好的实践意义，如应用在视频监控、智能安防、智能机器人、交通管理、军事制导等领域^[1]。目标跟踪在视频监控方面应用较为广泛，能够对各种场合下的监控系统中识别特定目标并进行跟踪；在智能安防方面，对目标物体的跟踪是入侵检测系统的重要内容，它可以检测出人、车辆等运动目标并进行跟踪，在抓捕嫌犯的过程中，可以通过调取多个地方的摄像头获取监控视频，通过目标跟踪技术来确定嫌犯的行踪；随着科技的进步，智能机器人也越来越成熟，并逐渐应用于生成和生活当中，将目标跟踪技术应用于机器人视觉系统当中，使得机器人能够锁定特定的目标，从而更好地实现人机交互；在交通系统中，在许多路口由于车流量大，仅仅通过肉眼观察很难确定所有违章车辆，通过目标跟踪技术进行快速的跟踪目标，从而标记出违章车辆；在军事制导方面，没有运用目标跟踪技术之前，炮弹的发射都是通过事先设置好打击的坐标来进行发射，通过使用目标跟踪技术，使得能够跟踪目标物体，实时控制炮弹进行精确打击。

目标跟踪的前提条件是能够检测出目标物体，只有捕获到了目标物体，才能实现后续的跟踪。目标检测根据背景信息的不同可分为两种情况：在静止状态背景下的目标检测和运动状态背景下的目标检测^[2]。在静止状态背景下，可以通过帧间差分法、背景差分法、光流法等方法从静态背景中检测出运动的目标，也可以事先输入包含目标的图像，对其进行处理以获取目标物体的特征，然后再将特征应用于视频序列当中，完成对目标物体的跟踪。此外，可以直接在视频序列某一帧当中标记出目标物体然后进行目标物体的跟踪。目标跟踪的模型是从可能包含目标物体的多个候选样本中选择出包含目标物体的样本，然而，当出现复杂变化的场景时，光线、背景、姿势的变化以及遮挡的影响使得准确跟踪每一帧中的目标物体变得较为困难。

对视频序列进行处理，即是对视频中的每一帧进行图像处理，图像一般以像素为单位，包含的信息量较大，直接处理图像数据通常比较困难，并且需要消耗一定的时间。近些年来，压缩感知理论（Compressed Sensing）已经被越来越多地应用于图像处理当中，如目标跟踪、图像重构、人脸检测与识别等。图像信号的稀疏性使得其可以通过压缩来减少信号的冗余，并在最大程度上保留原始图像的信息。

1.2 国内外的研究现状

1.2.1 压缩感知

Donoho等人在2006年的时候发表了关于压缩感知原理的论文，压缩感知理论的提出引来了许多的注意，国内外的许多公司开始研究压缩感知的原理，一些大学还成立了专业的网站来介绍压缩感知的理论和应用。国内方面，近几年也有许多学者开始研究压缩感知，一些最新的研究有：文献[3]提出了压缩感知中有关于目标特征提取的改进算法^[3]；文献[4]对信号的测量矩阵作出了改进^[4]，从而降低了测量矩阵与稀疏变换矩阵之间的相关性；文献[5]介绍了压缩感知的原理并针对信号重构提出了专门的改进算法^[5]；文献[6]将压缩感知理论应用于心电监测当中，通过压缩感知能够准确地重构心电信号^[6]；文献[7]提出将压缩感知用于欠采样系统当中，能够很好地解决失真的问题，提高系统的稳定性^[7]。