摘要：本论文主要研究关于单目标的跟踪问题，重点研究了随机测量矩阵的构造，压缩特征的提取，以及通过贝叶斯准则判断目标位置。本算法中首先生成压缩Haar特征，根据一定的准则选取正负样本目标分别放入相应的库中，然后通过积分图可以快速地计算得到正负样本的Haar特征，最后通过分类器响应，分类分数最高的即为新一帧中的目标位置。

该算法的优点在于快速地提取特征，但是在目标纹理或光照的剧烈变化下，容易发生跟偏甚至是丢失目标。对此，提出了相关改进措施，对随机测量矩阵及特征提取公式做出了改善。最后实验表明，改进后的压缩跟踪算法跟踪效果有所改善，在纹理变化时也能做到较好的跟踪。

关键词：压缩；目标跟踪；随机测量矩阵；特征提取

目录

摘要

Abstract

1绪论-1

1.1前言-1

1.2课题研究的背景及意义-1

1.3国内外研究现状-2

2应用工具简介及相关知识简介-3

2.1OpenCV的简介-3

2.2 VS2010的简介-3

2.3计算机视觉的简介-3

2.4压缩感知的简介-4

2.5关于Haar特征的简要叙述-5

3压缩跟踪算法-6

3.1基于压缩感知的跟踪算法-6

3.1.1基于压缩感知的特征提取-6

3.1.2随机测量矩阵的设计-6

3.2压缩跟踪算法详细介绍-7

3.2.1高效的降维-7

3.2.2朴素贝叶斯分类器-8

3.2.3分类器的构建-9

3.2.4分类器更新-9

3.3压缩跟踪算法主要工作流程-10

3.4压缩跟踪算法的特点-11

4压缩跟踪算法的设计与实现-12

4.1压缩跟踪算法实验的模块结构图-12

4.2功能模块的实现-13

4.2.1 Haar特征生成模块-13

4.2.2正负样本产生模块-15

4.2.3正负样本特征值的计算-16

4.2.4分类器参数更新以及响应模块-18

4.3系统主函数部分程序的实现-19

4.3.1摄像头跟踪-20

4.3.2视频序列跟踪-21

4.4对基于压缩感知的目标跟踪算法的简单改进-21

4.4.1改进的基于压缩感知的特征提取-21

4.5压缩跟踪算法结果分析-22

4.5.1准备过程-22

4.5.2实验结果分析-23

结论-26

致谢-27

参考文献-28

附录-29