資源描述：
《基于稀疏表示的目標跟蹤算法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。
1、學校代碼10530學號201510171801分類號TP391密級公開碩士學位論文基于稀疏表示的目標跟蹤算法研究學位申請人邵豪指導教師張瑩副教授學院名稱信息工程學院學科專業(yè)控制科學與工程研究方向機器視覺與智能信息處理二○一八年六月四日IResearchonTargetTrackingAlgorithmBasedonSparseRepresentationCandidateShaoHaoSupervisorAssociateProf.ZhangYingCollegeCollegeofInformationEngineeringProgramCo
2、ntrolScienceandEngineeringSpecializationMachinevisionandintelligentinformationprocessingDegreeMasterofEngineeringUniversityXiangtanUniversityDateJun,2018IIIII摘要目標跟蹤就是在連續(xù)的視頻序列中，建立所要跟蹤物體的位置關(guān)系，得到物體完整的運動軌跡，目前廣泛應(yīng)用于軍事導航、城市智能交通管控、視頻監(jiān)控以及人機交互等方面。在目標運動的過程中，會出現(xiàn)姿態(tài)或形狀的變化、尺度的變化、背景遮擋或光線亮度
3、的變化等情況，降低了跟蹤算法的準確率，構(gòu)建一個性能高效、穩(wěn)定的適應(yīng)強的追蹤算法是當前跟蹤領(lǐng)域的一大難題。為解決目標跟蹤過程中出現(xiàn)的目標丟失及提高跟蹤效率，本文做了以下研究：（1）為提高計算速率，減小背景信息的干擾并增強稀疏表示跟蹤模型性能，提出了一種利用分段加權(quán)函數(shù)構(gòu)建的反向稀疏跟蹤算法，將跟蹤問題轉(zhuǎn)化為在貝葉斯框架下尋找概率最高的候選對象問題，通過構(gòu)造不同的分段權(quán)重函數(shù)分別度量候選目標與正負模板的判別特征系數(shù)。利用池化降低跟蹤結(jié)果的不確定性干擾，選擇正模板與負模板相減得到的最大差值系數(shù)所對應(yīng)的候選表示作為當前跟蹤結(jié)果。4種視頻序列實驗測試都
4、取得了較好的跟蹤效果。（2）針對局部信息未利用、沒有充分利用背景、前景比對信息、現(xiàn)有算法在復雜環(huán)境下區(qū)分目標與背景能力偏低的問題，提出了一種基于改進AdaBoost強分類器的目標跟蹤算法，將局部圖像塊用于判別模型跟蹤，能更好地區(qū)分目標和背景，實現(xiàn)更準確的目標跟蹤。試驗證明，算法跟蹤性能較優(yōu)。本文對基于稀疏表示的目標跟蹤進行了總結(jié)和深入研究，在一定程度上提高了目標跟蹤的準確性，但如何將算法推廣到多目標跟蹤應(yīng)用中，提高現(xiàn)有跟蹤算法的魯棒性，還需進一步研究。關(guān)鍵詞：反向稀疏；分段加權(quán)；adaboost；判別模型；目標跟蹤IVAbstractTarg
5、ettrackingistoestablishthepositionrelationshipoftheobjectstobetrackedinacontinuousvideosequenceandtoobtainthecompletetrajectoryoftheobject.Currently,itiswidelyusedinmilitarynavigation,urbanintelligenttrafficcontrol,videosurveillance,andhuman-computerinteraction.Intheprocess
6、oftargetmovement,therewillbechangesinpostureorshape,scalechanges,backgroundocclusionorchangesinlightbrightness,etc.,whichreducestheaccuracyofthetrackingalgorithm,sobuildingahighlyefficientandstableadaptivetrackingalgorithmisamajorprobleminthefieldofcurrenttracking.Inorderto
7、solvetheproblemoftargetlossandimprovetrackingefficiencyintrackingprocess,thefollowingstudieshavebeendone:(1)Toimprovethecalculationrate,reducetheinterferenceofbackgroundinformationandenhancetheperformanceofsparserepresentationtrackingmodel,ananti-sparsetrackingalgorithmcons
8、tructedusingapiecewiseweightingfunctionisproposed,Thisalgorithmconvertsthetracking
