摘要当今社会计算机领域和视频图像跟踪技术飞速发展，视频目标跟踪技术在近几年日趋热门。视频目标跟踪在安保监控，教育、会议、医疗、庭审，国防等领域有着广泛的应用。近年来，压缩感知理论在信号和图像处理技术界吸引了研究者们非常多的关注。本文中，首先对国内外研究现状进行了分析，在此基础上，主要介绍了压缩感知等基本理论，并设计了一个简单而有效地跟踪算法。该跟踪算法的任务是通过朴素贝耶斯分类器在压缩域中的在线校正来制定一个二进制分类。实验表明，所研究的压缩跟踪算法运行可靠实时，在效率性，准确性和鲁棒性等方面，对于处理多种类型的测试视频序列，有理想的效果。   32308
毕业论文关键词：压缩感知 目标跟踪 跟踪算法 朴素贝耶斯分类器  
Title      Application of compressed sensing in target tracking of the video
Abstract With the rapid development of computer and image tracking technology, video target tracking technology in recent years becomes increasingly popular. Video target tracking technology has a wide range of applications in security monitoring, education, conferences, medical treatment, trial, defense and other fields. In recent years, compressed sensing theory has aroused great attention of researchers in the field of signal and image processing. Firstly, the research status at home and abroad are analyzed and basic theory of compressed sensing is described in detail.  A simple and efficient tracking algorithm is proposed in this paper, based on compressed sensing theory and data independent independence, the appearance model is built in the multiscale image feature space.  The tracking task is to develop a binary classification using Simple Bias classifier online correction in the compressed domain.  The proposed compressive tracking algorithm runs in real-time and performs favorably against state-of-the-art algorithms on challenging sequences in terms of efficiency, accuracy and robustness.   
Keywords Compressed sensing  Target tracking  Tracking algorithm    Bias classifier 
目次
1绪论..1
1.1研究背景和意义..1
1.2国内外研究现状及发展..1
1.3论文的主要内容和章节安排.3
2相关理论.4
2.1压缩感知理论概述4
2.2目标跟踪算法概述6
2.3朴素贝叶斯分类..7
2.4Haar-like特征8
3实时压缩跟踪9
3.1随机投影与观测矩阵10
3.2高文度还原..11
3.3低文压缩分析11
3.4分类器构建..13
3.5算法步骤及说明.14
4实验结果分析..16
4.1开发及运行环境.16
4.2评价指标.16
4.3准确性评价..19
4.4鲁棒性评价..23
结论.28
致谢.29
参考文献30
1  绪论
1.1  研究背景和意义 人类认识世界有多种途径，其中视觉占很大一部分。随着现代科技的飞速发展，人类尝试使用计算机来代替人的眼睛进行目标观测。视频目标跟踪是计算机视觉的主要课题之一。视频目标跟踪涉及到模式识别，图像处理，信号采样等领域。视频目标跟踪目前已经在多个科学领域被采用，例如航空雷达跟踪定位，安保监控系统，视频人脸锁定，汽车及个人 GPS定位等。 众所周知，传统的信号采样方法是香农奈奎斯特采样。这种采样方法要求采样频率至少为原信号最高频率的两倍，否则无法从采样所得信号中较为完整地恢复原信号，因而造成信号的混叠。这一采样定理也是目前视频、音频、图像成像等信号采样设备得以正常工作的基础。由 J.Romberg、E.J.Candes、D.L.Donoho、T.Tao 等科学家于 2004 提出的压缩感知理论（Compressed Sensing）是与传统采样方式完全不同的方法。这一采样理论对于被采样的信号带宽要求不高。对于相同信号，压缩感知理论所需要的能够恢复原信号的采样值比传统方法少。随着当今互联网大数据时代的降临，基于压缩感知的视频目标跟踪技术将会得到极大的关注。压缩感知理论能够将高文信号投影到一个相对低文空间，通过求解出一个优化问题来重构出原信号，从而减少传输、存储信息的成本[1]。压缩感知理论的诞生对于信号采样技术的发展有着重要的意义。这一理论的核心价值就在于它对应用科学的诸多方面具有重要的影响，例如编码学、统计学、信息论等等。自这一理论被提出以来，国内外科学家们已经在模拟信息采样、各类成像技术、无线传感器网络、信源编码、人脸图像及语音识别、雷达成像等学科中对这一理论进行了多样的开发和研究。美国赖斯大学已经成功地运用压缩感知理论设计出了一种单像素相机。因此，基于压缩感知的视频跟踪与检测技术的研究，有着广阔的发展前景和科研价值。 压缩感知在视频目标跟踪中的应用研究:http://www.youerw.com/zidonghua/lunwen_28825.html