3.1  引言 16

3.2  基本原理 16

3.2.1  随机映射 16

3.2.2  随机测量矩阵 17

3.3  压缩感知跟踪算法介绍 17

3.3.1  算法的主要内容 17

3.3.2  有效的降维 18

3.3.3  低维压缩特征的分析 18

3.3.4  分类器的构建与更新 19

3.3.5  算法的流程 19

3.4  本章小结 20

4  实验 21

4.1  引言 21

4.2  经典跟踪算法与视频演示系统 21

  4.2.1  经典跟踪算法流程设计 21

4.2.2  基于C++的视频跟踪演示系统的设计与实现 23

4.2.3  系统的界面和功能 24

  4.3  对比实验过程 27

4.4  实验结果分析 30

  4.4.1  定量评估 30

4.4.2  速度比较 32

4.5  本章小结 32

致  谢 33

结   论 34

参考文献 35 

1 引言

1.1 研究背景

现如今图像处理，模式识别等进步显著，同时计算机视觉在科学界和工业界也取得了飞速的发展。而目标跟踪是随着相关技术的发展，越来越展示出它的重要性，凸显出它不可替代的作用。

在现代社会，随着科技的发展和人们生活水平的提高，人们的生命和财产越来越成为关注的焦点，同时随着数字采集和存储技术的高速发展，视频监控成为一种重要的安全监控方法并且逐渐普及开来。传统的人工视频分析方法存在着效率低下，可靠性低等缺点，所以人们对于自动视频分析的需求越来越大，从而促进了目标跟踪算法的发展。

目标跟踪是指识别视频中的运动目标并且对它进行跟踪，获得运动目标速度，运动方向等[1]。从而为后续展开的分析目标行为，目标检测等后续的进一步处理做好准备。

目标跟踪应用广泛，在视频监控，军事目标探测，智能交通，安全监控，人机交互，认知系统等方面都有着实际的应用需求。当前世界上许多国家在进行视频跟踪方面的研究，来自不同国家的许多研究团队在视频跟踪方面做出了许多工作，并在众多国际期刊和重要国际会议上发表论文。

1.2国内外现状分析

1.3存在的问题

由于3D世界向2D图像投影导致的信息丢失，图像中噪声的影响，背景的复杂性，目标移动的复杂性以及实时追踪的要求等的因素影响，目标跟踪仍然存在许多挑战。在早期研究中，几乎所有的目标跟踪算法都是建立在目标的移动是平滑的，没有突然的外形变化这一基础之上的，然而，这些年在许多人的研究与发展之下，目标跟踪已经取得了显著的进步。一些算法已经能够处理外形的突然变化，漂移，忽然从场景中离开等问题。然而对于一个好的目标跟踪算法，仍然有一些要求需要考虑。