資源描述：
《基于壓縮感知的目標(biāo)跟蹤算法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、碩士學(xué)位論文論文題目：基于壓縮感知的目標(biāo)跟蹤算法研究作者姓名章承成指導(dǎo)教師張霓副教授學(xué)科專業(yè)信息與通信工程培養(yǎng)類別全日制學(xué)術(shù)型碩士所在學(xué)院信息工程學(xué)院提交日期2017年4月30日萬方數(shù)據(jù)浙江工業(yè)大學(xué)碩士學(xué)位論文基于壓縮感知的目標(biāo)跟蹤算法研究作者姓名：章承成指導(dǎo)教師：張霓副教授浙江工業(yè)大學(xué)信息工程學(xué)院2017年4月萬方數(shù)據(jù)DissertationSubmittedtoZhejiangUniversityofTechnologyfortheDegreeofMasterResearchOnTargetTr
2、ackingAlgorithmsBasedOnCompressiveSensingCandidate:ChengchengZhangAdvisor:AssociateProf.NiZhangCollegeofInformationEngineeringZhejiangUniversityofTechnologyApr.2017萬方數(shù)據(jù)浙江工業(yè)大學(xué)學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所提交的學(xué)位論文是本人在導(dǎo)師的指導(dǎo)下，獨(dú)立進(jìn)行研究工作所取得的研究成果。除文中已經(jīng)加以標(biāo)注引用的內(nèi)容外，本論文不包含其他個(gè)人
3、或集體已經(jīng)發(fā)表或撰寫過的研究成果，也不含為獲得浙江工業(yè)大學(xué)或其它教育機(jī)構(gòu)的學(xué)位證書而使用過的材料。對(duì)本文的研究作出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。本人承擔(dān)本聲明的法律責(zé)任。作者簽名：日期：年月日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國(guó)家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)浙江工業(yè)大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。本
4、學(xué)位論文屬于1、保密□，在一年解密后適用本授權(quán)書。2、保密□，在二年解密后適用本授權(quán)書。3、保密□，在三年解密后適用本授權(quán)書。4、不保密□。（請(qǐng)?jiān)谝陨舷鄳?yīng)方框內(nèi)打“√”）作者簽名：日期：年月日導(dǎo)師簽名：日期：年月日萬方數(shù)據(jù)浙江工業(yè)大學(xué)碩士學(xué)位論文基于壓縮感知的目標(biāo)跟蹤算法研究摘要立體匹配與目標(biāo)跟蹤是機(jī)器視覺領(lǐng)域中的兩個(gè)研究熱點(diǎn)，在智能交通、視覺導(dǎo)航、醫(yī)療診斷等領(lǐng)域都有廣泛的應(yīng)用。但至今為止這兩個(gè)課題仍有很多問題尚未解決，其主要困難來自于算法的計(jì)算量、遮擋、目標(biāo)的快速運(yùn)動(dòng)等。本文結(jié)合壓縮感知理論，引入
5、了多特征融合以及預(yù)測(cè)判斷等機(jī)器視覺常用方法，尋求快速的立體匹配算法以及魯棒性高、實(shí)時(shí)性好的目標(biāo)跟蹤算法。主要工作內(nèi)容包括以下三個(gè)方面：（1）為了解決基于SIFT的立體匹配算法計(jì)算量大、不能獲取稠密的視差圖等缺陷，提出了一種用于已標(biāo)定圖像的快速準(zhǔn)稠密立體匹配算法，先用傳統(tǒng)的SIFT算法來提取圖像特征點(diǎn)，然后通過壓縮感知的稀疏隨機(jī)投影來降低SIFT特征向量的維數(shù)，最后將匹配點(diǎn)作為種子點(diǎn)擴(kuò)散到整幅圖像上，獲得稠密的視差圖。通過將實(shí)驗(yàn)結(jié)果（基于壓縮感知的SIFT算法加種子擴(kuò)散算法）與SIFT算法加種子擴(kuò)散算
6、法進(jìn)行比較，結(jié)果表明所提出的算法在降低算法復(fù)雜性的同時(shí)還保證了視差圖的質(zhì)量。（2）為了解決傳統(tǒng)壓縮跟蹤算法使用特征單一，跟蹤效果不好等缺陷，提出了一種融合顏色和紋理特征的壓縮跟蹤算法，分別提取目標(biāo)的顏色和紋理特征來代替?zhèn)鹘y(tǒng)算法的單一特征，然后采用兩個(gè)稀疏投影矩陣代替?zhèn)鹘y(tǒng)算法單一的投影矩陣，再用這兩個(gè)投影矩陣將圖像的LBP紋理特征和H空間上的顏色特征投影到低維的空間上，最后采用背景加權(quán)法對(duì)壓縮域的兩種特征進(jìn)行融合。通過與傳統(tǒng)的壓縮跟蹤算法的性能比較，結(jié)果表明提出的算法跟蹤準(zhǔn)確率更高，且抗相似物以及遮擋
7、干擾的效果更好。（3）為了解決傳統(tǒng)的目標(biāo)壓縮跟蹤算法在復(fù)雜情境下的快速目標(biāo)跟蹤效果不好等缺陷，提出了基于Kalman目標(biāo)預(yù)測(cè)多特征融合壓縮跟蹤算法，在壓縮跟蹤的候選目標(biāo)搜索階段，采用Kalman濾波來預(yù)測(cè)目標(biāo)在下一幀可能出現(xiàn)的位置，在壓縮跟蹤的分類階段，計(jì)算壓縮跟蹤的樣本位置與Kalman濾波的預(yù)測(cè)位置的距離權(quán)重，然后將位置權(quán)重輸入Bayes分類器進(jìn)行分類。通過與傳統(tǒng)的壓縮跟蹤算法以及基于Kalman濾波的Meanshift算法的性能比較，結(jié)果表明所提出算法對(duì)復(fù)雜情況下快速運(yùn)動(dòng)物體的跟蹤準(zhǔn)確i萬方數(shù)
8、據(jù)浙江工業(yè)大學(xué)碩士學(xué)位論文率更高，用時(shí)也較短。關(guān)鍵詞：壓縮跟蹤，立體匹配，壓縮感知，SIFT，Kalman濾波ii萬方數(shù)據(jù)浙江工業(yè)大學(xué)碩士學(xué)位論文RESEARCHONTARGETTRACKINGALGORITHMSBASEDONCOMPRESSIVESENSINGABSTRACTStereomatchingandtargettrackingarehotissuesinstudyofmachinevision,andarewidelyusedinintelligentt
