資源描述：
《基于理解診斷跟蹤系統(tǒng)的目標(biāo)跟蹤算法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、分類號：密級：UDC：編號：工學(xué)碩士學(xué)位論文基于理解診斷跟蹤系統(tǒng)的目標(biāo)跟蹤算法研究碩士研究生：夏業(yè)儒指導(dǎo)教師：于蕾副教授學(xué)科、專業(yè)：電子科學(xué)與技術(shù)論文主審人：黃麗蓮教授哈爾濱工程大學(xué)2017年12月分類號：密級：UDC：編號：工學(xué)碩士學(xué)位論文基于理解診斷跟蹤系統(tǒng)的目標(biāo)跟蹤算法研究碩士研究生：夏業(yè)儒指導(dǎo)教師：于蕾副教授學(xué)位級別：工學(xué)碩士學(xué)科、專業(yè)：電子科學(xué)與技術(shù)所在單位：信息與通信工程學(xué)院論文提交日期：2017年12月論文答辯日期：2018年03月學(xué)位授予單位：哈爾濱工程大學(xué)ClassifiedInd
2、ex:U.D.C:ADissertationfortheDegreeofM.EngResearchonUnderstandingandDiagnosingVisualTrackingSystemofTargetTrackingAlgorithmCandidate:XiaYeruSupervisor:AssociateProf.YuLeiAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:ElectronicScienceandTechnolog
3、yDateofSubmission:Dec.2017DateofOralExamination:Mar.2018University:HarbinEngineeringUniversity哈爾濱工程大學(xué)學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：本論文的所有工作，是在導(dǎo)師的指導(dǎo)下，由作者本人獨立完成的。有關(guān)觀點、方法、數(shù)據(jù)和文獻的引用已在文中指出，并與參考文獻相對應(yīng)。除文中已注明引用的內(nèi)容外，本論文不包含任何其他個人或集體已經(jīng)公開發(fā)表的作品成果。對本文的研究做出重要貢獻的個人和集體，均已在文中以明確方式標(biāo)明。本
4、人完全意識到本聲明的法律結(jié)果由本人承擔(dān)。作者（簽字）：日期：年月日哈爾濱工程大學(xué)學(xué)位論文授權(quán)使用聲明本人完全了解學(xué)校保護知識產(chǎn)權(quán)的有關(guān)規(guī)定，即研究生在校攻讀學(xué)位期間論文工作的知識產(chǎn)權(quán)屬于哈爾濱工程大學(xué)。哈爾濱工程大學(xué)有權(quán)保留并向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件。本人允許哈爾濱工程大學(xué)將論文的部分或全部內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索，可采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文，可以公布論文的全部內(nèi)容。同時本人保證畢業(yè)后結(jié)合學(xué)位論文研究課題再撰寫的論文一律注明作者第一署名單位為哈爾濱工程大學(xué)。涉
5、密學(xué)位論文待解密后適用本聲明。本論文（□在授予學(xué)位后即可□在授予學(xué)位12個月后□解密后）由哈爾濱工程大學(xué)送交有關(guān)部門進行保存、匯編等。作者（簽字）：導(dǎo)師（簽字）：日期：年月日年月日摘要目標(biāo)跟蹤是機器科學(xué)領(lǐng)域中的一個重要的研究方向，隨著信息科學(xué)技術(shù)的進步，目標(biāo)跟蹤在人工智能方向上也受到重視，越來越多的研究者們開始著力研究這個富有挑戰(zhàn)性的技術(shù)。但在背景雜波、目標(biāo)被遮擋、幾何變形、快速移動等情況下，跟蹤器能夠繼續(xù)精準(zhǔn)的跟蹤仍是一個難題。本文將跟蹤系統(tǒng)分成五個組成部分即運動模型、特征提取器、觀察模型、模型更
6、新器以及總體后處理器。針對這五個組成部分，提出了相應(yīng)的基本的算法。雖然這些基本算法在處理一些如視頻中出現(xiàn)與目標(biāo)相似物體、光照變化等問題上有著較好的準(zhǔn)確性，但在視頻中的外部環(huán)境較為復(fù)雜等情況下都會讓目標(biāo)跟蹤具有挑戰(zhàn)性，缺乏一定的適應(yīng)性。因此，針對理解診斷視覺跟蹤系統(tǒng)的缺點提出了如下的改進方案：首先，在特征提取器中使用Haar特征，最基本的幾種Haar特征難以滿足對于多角度灰度的識別，以及多角度灰度特征的檢測，在目標(biāo)跟蹤中會影響到對目標(biāo)物體的檢測。為此，本文改進了Haar特征，增添了多角度灰度特征。其次
7、，為了提高跟蹤的精準(zhǔn)性，引入一個簡單且快速的魯棒性算法來改進系統(tǒng)中的運動模型，該方法利用了視覺跟蹤中的上下文模型，建立基于貝葉斯框架的目標(biāo)以及其周圍環(huán)境的時空關(guān)系，在檢測方面使用了快速傅里葉變換方法，提高了算法的魯棒性，使跟蹤更加精準(zhǔn)，并且在在處理遮擋、背景復(fù)雜等問題上有著較好的效果。實驗后的結(jié)果表示，所提出的算法在降低很少平均幀率的情況下，提高了跟蹤的成功率以及精度。最后，理解診斷視覺跟蹤系統(tǒng)在尺度變化較大時存在跟蹤失敗的情況，為了解決這樣的問題，本文提出了一種基于跟蹤檢測框架的魯棒尺度估計方法來
8、改進理解診斷視覺跟蹤系統(tǒng)，所提出的方法使用基于尺度金字塔表示的學(xué)習(xí)辨別相關(guān)濾波器，學(xué)習(xí)用位置和尺度估計的濾波器。此外，本文提出了RawColor改進HOG并用于特征提取器中。實驗后的結(jié)果表示，在目標(biāo)尺度發(fā)生大量變化以及目標(biāo)跟蹤背景復(fù)雜的情況下，所提出的改進算法在目標(biāo)跟蹤的成功率和目標(biāo)跟蹤的精度上都有了較為明顯的提高。關(guān)鍵詞：目標(biāo)跟蹤；理解診斷視覺跟蹤系統(tǒng)；Haar-Like特征；上下文；魯棒尺度估計ABSTRACTTargettrackingisanimportant
