题目：基于稀疏表示的多目标跟踪方法研究

视觉目标跟踪在众多应用领域有着突出作用，如军事制导、视觉监视、人机交互、视频压缩等。尽管视觉目标跟踪已经有着诸多广泛的研究成果，但在处理由光照变化、局部遮挡、形变、摄像机移动等复杂情况带来的目标外观变化时仍存在着众多未解的难题。此外，当对多个目标进行跟踪时，由于目标之间存在着干扰的可能性，多目标跟踪比单目标跟踪更具有挑战性。在复杂环境下的目标跟踪存在着较多的难题，尽管目前研究人员提出来许多跟踪方法，但对环境条件有着较多要求，在复杂的环境下还是很难取得高性能鲁棒地跟踪效果。

       本论文在稀疏表示理论基础上，研究复杂场景下目标跟踪问题，主要工作如下：

(1)提出了一种基于稀疏表示的改进型目标跟踪算法。首先，分析了实际情况下的场景中表示误差的分布情况，发现对表示误差分布做高斯与拉普拉斯分布建模更加合适；其次，建立了新的目标跟踪模型，并利用Accelerated Proximal Gradient(APG)优化算法进行求解；最后，实验的仿真结果表明，新方法提高了跟踪的鲁棒性。

(2)提出了一种基于检测的多目标跟踪框架。首先，将稀疏表示在单目标跟踪中的目标表示功能拓展成在多目标跟踪中的多分类的功能；其次结合稀疏表示系数分布和稀疏集中指数与目标的位置信息判别类似或相近目标的身份，并解决多目标跟踪中不同目标之间的干扰问题和新旧目标的区分问题。