压缩感知在视频目标跟踪中的应用研究(2)
1.2 国内外研究现状及发展
1.2.1 压缩感知理论研究现状 自压缩感知理论被提出以来，国内外的研究学者和机构广泛地将其运用到各个领域。在国外，美国的麻省理工学院、斯坦福大学等众多世界知名大学都已成立专门研究压缩感知（CS）的课题组。另外还有一些大学，如卡内基梅隆大学、麻省理工大学、剑桥大学、马里兰大学帕克分校、伊利诺伊大学厄巴纳香槟分校、西北大学和瑞典皇家理工学院等也有针对计算机视觉这一门课题的课题小组，他们对视觉跟踪问题进行了深入地研究，为视觉跟踪技术的发展做出了重要贡献[2]。在国内，对于 CS 理论的研究基本与国外前沿同步进行，不过其研究成果较国外相对较少。国家中科院自动化研究所的李子青主任及其团队研究了附加红外光方法的人脸识别系统，这种人脸识别系统基本解决了光线变化对于脸部识别的影响；清华大学的国家重点实验室在视频目标跟踪的理论方面有着深入地研究，并且将这一理论推广到了实际中去；同济大学的李广伦团队在背景减除法和帧差法的基础上提出了自适应光线变化的更新算法；中国科学院同南开大学合作进行了机器人系统捕获运动目标协调策略研究项目，取得了很多研究成果；上海交通大学研究人员针对人体的目标跟踪开展了大量研究；复旦大学在图像匹配、目标跟踪等方面取得许多的研究成果；西安交通大学还有多个自动化研究所也都设立有国家重点研究点。国内的视频目标跟踪领域在近几年已经取得了很多成果，但是与世界上其他先进国家相比仍然有一定的差距，因此仍然需要更多的投入才能够赶上国外先进水平，所以视频目标跟踪技术在我国必然会有着较好的发展空间和前景[3]。目前，压缩感知的理论研究主要集中在信号的稀疏分解、信号观测矩阵建立和信号重构三个方面[4]。对鲁棒目标跟踪制定高效的外观模型是一个具有挑战性的任务，因为对象有姿势的变化，光照变化，遮蔽因素和运动模糊等因素的影响。现有的在线跟踪算法经常从新的几帧观察样本来校正模型。虽然这种方法已被证实是可靠的，但许多问题仍有待解决。首先，这些自适应外观模型是依赖于数据的，但在一开始并没有足够的数据给在线算法来获取。其次，在线跟踪算法经常遇到漂移问题。由于自学习，这些错误排列的样本可能会增加或减少外观模型数据值。
1.2.2 视频跟踪研究现状 视频跟踪技术被广泛的运用在各个领域，例如在人脸识别，人机交互，安保防卫，视频监控，雷达跟踪，智能导航等等。这一技术自诞生起距今已经有半个世纪之久了。在国外，特别是美国，对于视频跟踪的研究和应用在世界范围内处于先进的水品。美国国防部主持研发，众多著名高校参与其中的 VSAM 系统是一个用于未来战争的监控系统。该系统能够监控人力所不能到达的危险战区，可以很大程度的降低战场死亡率。近些年，视频跟踪中的自适应跟踪及智能跟踪技术正在崛起，很有可能成为未来视频跟踪的主流。 伴随着计算机科学与技术的飞快发展,视频目标跟踪的市场前景愈加明朗，其应用也将变得更加广阔,例如以下几个已被实现的实例：智能安防系统、智能交通系统(ITS)、智能视频检索、智能人机交互、智能机器人导航与定位[5]。总而言之，视频目标跟踪技术具有非常巨大的研究价值和现实意义,不仅能够提升人们的 生活水品，方便人们生活，还能提升我国的科学创新能力，增强国防和提升综合国力。
下一篇：Chua电路的实现和同步问题研究