資源描述：
《基于壓縮混合特征的目標(biāo)跟蹤算法的研究與實(shí)現(xiàn)》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(kù)。
1、分類(lèi)號(hào)TP391密級(jí)公開(kāi)UDC004學(xué)位論文編號(hào)D-10617-30852-(2016)-02052重慶郵電大學(xué)碩士學(xué)位論文中文題目基于壓縮混合特征的目標(biāo)跟蹤算法的研究與實(shí)現(xiàn)英文題目ResearchandRealizationonObjectTrackingAlgorithmUsingCompressiveHybridFeatures學(xué)號(hào)S130231054姓名趙夢(mèng)媛學(xué)號(hào)學(xué)位類(lèi)別工程碩士學(xué)科專(zhuān)業(yè)計(jì)算機(jī)技術(shù)指導(dǎo)教師何國(guó)田研究員于洪教授完成日期2016年4月16日重慶郵電大學(xué)碩士學(xué)位論文摘要摘要近年來(lái)，人類(lèi)迫切希望機(jī)器適應(yīng)人的習(xí)慣，能感知環(huán)境信息并以視
2、覺(jué)、聽(tīng)覺(jué)或會(huì)話等方式開(kāi)展人機(jī)交流。其中，視覺(jué)是實(shí)現(xiàn)環(huán)境感知的重要途徑，由此導(dǎo)致計(jì)算機(jī)視覺(jué)技術(shù)的快速發(fā)展，并在工業(yè)、智能家居及其他機(jī)器人應(yīng)用領(lǐng)域發(fā)揮著重要作用。目標(biāo)跟蹤，作為計(jì)算機(jī)視覺(jué)技術(shù)的重要組成部分，在手術(shù)機(jī)器人、無(wú)人車(chē)、虛擬三位體感游戲和電子化妝等方面有著廣泛的需求和應(yīng)用。在跟蹤領(lǐng)域，在線多實(shí)例化跟蹤算法（MIL算法）最近幾年廣泛流行。該算法解決了由于單一正樣本和負(fù)樣本在線訓(xùn)練分類(lèi)器時(shí)目標(biāo)定位不準(zhǔn)確造成的目標(biāo)漂移問(wèn)題。然而，該算法仍存在兩處缺點(diǎn)：①由于該算法未考慮樣本選擇的重要性，在選擇樣本的過(guò)程中增加了算法的時(shí)間復(fù)雜度。②MIL方法作為一種基
3、于二維特征的跟蹤算法，當(dāng)跟蹤目標(biāo)發(fā)生姿態(tài)改變或者旋轉(zhuǎn)比較嚴(yán)重的真實(shí)跟蹤場(chǎng)景（三維場(chǎng)景）下算法的跟蹤效率不穩(wěn)定。針對(duì)MIL算法存在的問(wèn)題，本文中提出一種基于壓縮混合特征的目標(biāo)跟蹤算法。①該算法在選擇樣本時(shí)采用一種基于直方圖的特征相似度作為權(quán)重機(jī)制選擇樣本，加速了樣本選擇速度的同時(shí)解決了目標(biāo)遮擋問(wèn)題。②該算法在跟蹤過(guò)程中增加深度信息，在這個(gè)過(guò)程中先利用深度信息確定目標(biāo)的大致位置，再在這個(gè)位置附近精確尋找目標(biāo)的精確位置提高算法的執(zhí)行效率。③在特征提取過(guò)程中，由于增加了深度維數(shù)，算法的時(shí)間復(fù)雜性會(huì)明顯提高。為了計(jì)算的高效性，采用一種壓縮感知機(jī)制提取表明模型
4、特征，降低特征的維度。通過(guò)與其他六個(gè)算法在六個(gè)視頻幀序列上進(jìn)行中心定位誤差率和成功率以及幀速率方面的比較，證明本文算法具有很好的魯棒性、準(zhǔn)確性和實(shí)時(shí)性。關(guān)鍵詞：目標(biāo)跟蹤；MIL；直方圖特征相似度；深度特征；壓縮感知I重慶郵電大學(xué)碩士學(xué)位論文AbstractAbstractInrecentyears,humanbeingsareeagertothatmachinescouldadapttothehabitsofpeople,whichcanperceiveenvironmentalinformationandcarryouthuman-compute
5、rinteractionbythewaysofvision,auditoryorsession.Amongtheseapproaches,visionisoneimportantwaytorealizeenvironmentalawareness,whichfurtherleadstotherapiddevelopmentofcomputervisiontechnology,andplaysanimportantroleinthefieldofindustry,smarthomeandothersrelatingtorobot.Targettrac
6、king,asanimportantpartofcomputervisiontechnology,hasawiderangeofrequirementsandapplicationinkindsoffieldslikesurgeryrobot,unmannedvehicles,virtualthree-dimensionalsomatosensorygames,electronicmakeupandsoon.Intheareaoftracking,analgorithmcalledastheonlinemulti-instancelearningt
7、racking(MIL)algorithmisknownforitsabilityofalleviatingtrackingdriftbytrainingclassifierswithpositiveandnegativebagrecently.However,thisalgorithmstillhastwoshortcomings:①theincreasedcomputationalcomplexityresultsintimeconsumingduetothelackofconsiderationofsamplingimportancewhen
8、collectingtrainingsamples.Additionally,②theMILmethod,asa2Dfea
