資源描述：
《基于局部稀疏表示模型的在線字典學(xué)習(xí)跟蹤算法研究》由會員上傳分享，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、廈門大學(xué)學(xué)位論文原創(chuàng)性聲明本人呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下，獨(dú)立完成的研究成果。本人在論文寫作中參考其他個人或集體己經(jīng)發(fā)表的研究成果，均在文中以適當(dāng)方式明確標(biāo)明，并符合法律規(guī)范和《廈門大學(xué)研究生學(xué)術(shù)活動規(guī)范(試行)》。另外，該學(xué)位論文為()課題(組)的研究成果，獲得()課題(組)經(jīng)費(fèi)或?qū)嶒炇业馁Y助，在()實(shí)驗室完成。(請在以上括號內(nèi)填寫課題或課題組負(fù)責(zé)人或?qū)嶒炇颐Q，未有此項聲明內(nèi)容的，可以不作特別聲明。),一,HYJA(簽名)．嘩鶿l’年5,qRH廈門大學(xué)學(xué)位論文著作權(quán)使用聲明l掣111111121111111511qql311111161
2、111117111111511111炒本人同意廈門大學(xué)根據(jù)《中華人民共和國學(xué)位條例暫行實(shí)施辦法》等規(guī)定保留和使用此學(xué)位論文，并向主管部門或其指定機(jī)構(gòu)送交學(xué)位論文(包括紙質(zhì)版和電子版)，允許學(xué)位論文進(jìn)入廈門大學(xué)圖書館及其數(shù)據(jù)庫被查閱、借閱。本人同意廈門大學(xué)將學(xué)位論文加入全國博士、碩士學(xué)位論文共建單位數(shù)據(jù)庫進(jìn)行檢索，將學(xué)位論文的標(biāo)題和摘要匯編出版，采用影印、縮印或者其它方式合理復(fù)制學(xué)位論文。本學(xué)位論文屬于：()1．經(jīng)廈門大學(xué)保密委員會審查核定的保密學(xué)位論文，于年月日解密，解密后適用上述授權(quán)。(√)2．不保密，適用上述授權(quán)。(請在以上相應(yīng)括號內(nèi)打“√"
3、或填上相應(yīng)內(nèi)容。保密學(xué)位論文應(yīng)是已經(jīng)廈門大學(xué)保密委員會審定過的學(xué)位論文，未經(jīng)廈門大學(xué)保密委員會審定的學(xué)位論文均為公開學(xué)位論文。此聲明欄不填寫的，默認(rèn)為公開學(xué)位論文，均適用上述授權(quán)。)聲明人(簽名)：嘭溯t牛年；具
4、鼉B摘要視覺跟蹤是計算機(jī)視覺領(lǐng)域內(nèi)的重要問題，它在人機(jī)交互、認(rèn)知系統(tǒng)、視頻監(jiān)控等領(lǐng)域具有廣闊的應(yīng)用前景。雖然人們對該領(lǐng)域進(jìn)行了廣泛的研究，但在實(shí)際目標(biāo)跟蹤過程中還會遇到遮擋、形變等挑戰(zhàn)性問題。因此，視覺跟蹤的研究具有很高的實(shí)用價值和現(xiàn)實(shí)意義。本文在現(xiàn)有計算機(jī)視覺跟蹤算法的基礎(chǔ)上提出了基于局部稀疏表示模型的在線字典學(xué)習(xí)跟蹤算法。首先，本文
5、提出了一種局部稀疏表示模型來獲取目標(biāo)的局部信息，首先對目標(biāo)進(jìn)行分塊，然后對每個局部小塊獨(dú)立構(gòu)造其稀疏字典，并通過計算候選區(qū)域中每個小塊與目標(biāo)模板對應(yīng)塊的相似度，獲得每個局部小塊在目標(biāo)圖像中的投票圖，再把所有局部投票圖結(jié)合起來，得到一張描述目標(biāo)全局情況的綜合投票圖，從而獲得目標(biāo)位置的最佳估計。其次，傳統(tǒng)的模板更新策略根據(jù)權(quán)值動態(tài)更新字典中權(quán)值最小的一列，并不能保證替換后的字典只需少量原子就可以重構(gòu)當(dāng)前目標(biāo)，這點(diǎn)直接影響求解系數(shù)的稀疏性。本文將字典學(xué)習(xí)理論引入到模板更新策略中，使用目標(biāo)近期的跟蹤結(jié)果作為訓(xùn)練集，自適應(yīng)地學(xué)習(xí)目標(biāo)字典，從而保證獲取到的字
6、典對目標(biāo)維持高度描述性。最后，字典學(xué)習(xí)部分需要進(jìn)行大量矩陣運(yùn)算，對于這類高并行度的運(yùn)算，本文考慮使用GPU作為計算資源，在CUDA架構(gòu)下與CPU結(jié)合，根據(jù)需要將合適的計算類型放在相應(yīng)的計算資源上，實(shí)現(xiàn)資源的合理分配。實(shí)驗結(jié)果表明，本文所提出的方法與各種流行跟蹤算法相比穩(wěn)定可靠且具有良好的抗遮擋性，在海上紅外目標(biāo)和較高難度的公用圖像序列上取得良好跟蹤效果。同時，使用GPU對字典學(xué)習(xí)中的矩陣運(yùn)算進(jìn)行并行化處理，可以大幅度提高算法運(yùn)行效率，達(dá)到優(yōu)化算法的目的。關(guān)鍵詞：稀疏表示；目標(biāo)跟蹤：字典學(xué)習(xí)AbstractVisualtrackingisanimp
7、ortantissueofcomputervision．Ithasbeenwidelyusedinmanyapplicationssuchashuman-computerinteraction，cognitivesystemsandsurveillance．Visualtrackinghasbeeninvestigatedextensively，butisstillanopenproblemwithchanllengessuchasocclusion，deformationinrealworldenviroment．Basedonpart—bas
8、edsparsitymodel，thisthesisproposesanalgorithmbasedononlinerobustdictionarylearningforvisualtracking．Firstly，arobusttrackingmethodisproposedbyusingpart-basedsparsitymodel．Inthismodel，oneobjectisrepresentedbyimagepatches．Thecandidatesofthesepatchesaresparselyrepresentedinthespa
9、cespannedbythepatchtemplatesandtrivialtemplates．Thepart—basedmethodt
