运动目标跟踪是计算机视觉领域的一项重要研究内容,同时也成为近年来的一个研究热点,在视频监控系统、智能交通监测、人机交互、军事以及医学等领域均具有重要的应用价值。本文提出了一种基于局部稀疏表示的目标跟踪算法,主要针对运动目标跟踪存在的问题,根据局部稀疏表示的特点,利用局部稀疏表示来对目标进行建模,通过粒子滤波框架结合贝叶斯分类器对目标进行长时间的跟踪,实现了在目标发生遮挡、光照变化、目标快速运动以及背景相似等不同情况下的跟踪。此外,算法还使用了一种能够去除遮挡干扰的鲁棒性更新策略,取得了较好的效果。论文主要工作如下:⑴在分析总结国内外关于运动目标跟踪的研究现状的基础上,概述了粒子滤波理论以及稀疏表示理论。特别是从稀疏表示理论的提出、求解方法以及应用等方面做了一定的介绍。同时对常用的目标跟踪方法从原理以及实验结果上都给出了详细的介绍。⑵结合生成式跟踪算法与判别式跟踪算法两者的优点,提出了一种基于局部稀疏的目标跟踪算法。将局部稀疏系数作为目标的特征表示,通过两步搜索策略,使用朴素贝叶斯分类器对目标位置进行准确的定位;在模型更新时,使用抗遮挡的更新策略,即在出现遮挡时则较小权重使用当前帧被遮挡的信息,而没有出现遮挡时较大权重使用当前帧信息,该策略对遮挡具有良好的适应能力。通过不同算法与提出的算法对比,从实验上证明了提出的算法在面对遮挡,光照变化,快速运动等多种问题上有着较好的跟踪效果。⑶提出了基于特征选择的局部稀疏跟踪算法,进一步改进了基于局部稀疏表示的跟踪算法。该算法在局部稀疏跟踪算法的基础上加入特征选择过程,提出了区分度的概念,该区分度由正类负类的方差比以及均值差组成,剔除区分度小的弱分类器。在针对如何确定选择后特征维度时,文中也提出一种使用差分的方式来解决阈值固定的问题,此种方法的提出对跟踪的稳定性起到了积极的应对作用。