復(fù)雜場(chǎng)景下目標(biāo)穩(wěn)定跟蹤算法研究

復(fù)雜場(chǎng)景下目標(biāo)穩(wěn)定跟蹤算法研究

ID:35071862

大?。?.12 MB

頁數(shù):61頁

時(shí)間:2019-03-17

復(fù)雜場(chǎng)景下目標(biāo)穩(wěn)定跟蹤算法研究_第1頁
復(fù)雜場(chǎng)景下目標(biāo)穩(wěn)定跟蹤算法研究_第2頁
復(fù)雜場(chǎng)景下目標(biāo)穩(wěn)定跟蹤算法研究_第3頁
復(fù)雜場(chǎng)景下目標(biāo)穩(wěn)定跟蹤算法研究_第4頁
復(fù)雜場(chǎng)景下目標(biāo)穩(wěn)定跟蹤算法研究_第5頁
資源描述:

《復(fù)雜場(chǎng)景下目標(biāo)穩(wěn)定跟蹤算法研究》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、學(xué)校代碼:10406分類號(hào):TP391.4學(xué)號(hào):130085212005南昌航空大學(xué)碩士學(xué)位論文(專業(yè)學(xué)位研究生)復(fù)雜場(chǎng)景下目標(biāo)穩(wěn)定跟蹤算法研究碩士研究生:朱陶導(dǎo)師:儲(chǔ)珺教授申請(qǐng)學(xué)位級(jí)別:碩士學(xué)科、專業(yè):軟件工程所在單位:軟件學(xué)院答辯日期:2016年5月31日授予學(xué)位單位:南昌航空大學(xué)StableTargetTrackingAlgorithminComplexSceneAThesisSubmittedfortheDegreeofMasterOnSoftwareEngineeringbyZhuTaoUndertheSupervisionofPro

2、f.ChuJunSchoolofSoftwareNanchangHangkongUniversity,Nanchang,ChinaMay31th,2016南昌航空大學(xué)碩士學(xué)位論文摘要摘要基金資助:國(guó)家自然科學(xué)基金(No.61263046,61462065);江西省自然科學(xué)基金(No.20122BAB201037);江西省研究生專項(xiàng)創(chuàng)新基金(No.YC2014-S408)。復(fù)雜場(chǎng)景下的目標(biāo)跟蹤是計(jì)算機(jī)視覺領(lǐng)域的熱點(diǎn)研究課題之一,其任務(wù)主要是對(duì)視頻幀序列或者攝像機(jī)拍攝視頻中的運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)和跟蹤。如在智能監(jiān)控、機(jī)器人導(dǎo)航、視頻檢索和虛擬現(xiàn)實(shí)等領(lǐng)域

3、有廣泛的應(yīng)用。雖然基于視頻的目標(biāo)跟蹤算法已經(jīng)發(fā)展了很長(zhǎng)一段時(shí)間,但是在實(shí)際的應(yīng)用過程中仍然面臨著各種各樣的挑戰(zhàn):如場(chǎng)景中可能出現(xiàn)的光照變化、遮擋、形變以及尺度變化等。這些因素使得跟蹤過程中的誤差逐漸累積,形成了所謂的漂移現(xiàn)象,最終導(dǎo)致目標(biāo)跟蹤的失敗。針對(duì)這些難點(diǎn),本文主要從特征的提取和壓縮、分類器的構(gòu)建、跟蹤狀態(tài)判斷以及時(shí)空信息的融合等方面對(duì)目標(biāo)跟蹤算法進(jìn)行研究。為了解決由于光照變化、尺度變化和遮擋等導(dǎo)致的目標(biāo)跟蹤失敗的情況,本文提出了一種基于跟蹤失敗檢測(cè)和加權(quán)隨機(jī)森林的目標(biāo)跟蹤算法。算法首先提取了一種基于YCCrb光照不變空間的目標(biāo)多尺度特征

4、,解決復(fù)雜場(chǎng)景中光照變化、尺度變化等問題;為了降低該特征的維度減少計(jì)算量,本文利用隨機(jī)投影對(duì)提取的高維特征進(jìn)行降維。然后利用壓縮后的多尺度特征初始化本文提出的一個(gè)加權(quán)的隨機(jī)森林分類器。對(duì)于跟蹤過程中可能遇到的由于遮擋或者目標(biāo)消失等導(dǎo)致的跟蹤失敗情況,本文采用了一種基于雙向軌跡誤差計(jì)算的跟蹤失敗檢測(cè)策略。最后如果出現(xiàn)跟蹤失敗和目標(biāo)丟失的情況,為了在后續(xù)幀中重新定位目標(biāo),本文還提出了一種在線更新的基于加權(quán)的隨機(jī)森林分類器,在目標(biāo)消失后對(duì)后續(xù)幀進(jìn)行檢測(cè)。針對(duì)跟蹤中較難處理的遮擋問題,本文引入了目標(biāo)遮擋判斷策略下的基于時(shí)空上下文信息的目標(biāo)跟蹤算法。算法

5、首先利用壓縮后的顏色不變特征構(gòu)造并初始化時(shí)空上下文模型;然后對(duì)輸入的視頻幀進(jìn)行遮擋判斷:如果視頻幀中沒有出現(xiàn)遮擋,則利用時(shí)空上下文模型進(jìn)行準(zhǔn)確跟蹤;而如果出現(xiàn)了不同情況的遮擋(動(dòng)態(tài)遮擋和靜態(tài)遮擋),則利用本文提出的一種組合分類器對(duì)后續(xù)幀進(jìn)行目標(biāo)檢測(cè),直至重新檢測(cè)到目標(biāo),同時(shí)對(duì)上下文模型和分類器進(jìn)行在線更新。關(guān)鍵詞:目標(biāo)跟蹤,目標(biāo)遮擋,隨機(jī)投影,加權(quán)隨機(jī)森林,時(shí)空上下文I南昌航空大學(xué)碩士學(xué)位論文AbstractAbstractTargettrackingofcomplexsceneisoneofthemostpopularresearchinCo

6、mputerVision,themaintaskoftrackingistodetectandtrackthemovingtargetinvideosorcameras.Targettrackingalgorithmsareusedinmanydifferentfields,suchasIntelligentSurveillance,RobotNavigation,VideoIndexingandVirtualRealityetc..Targettrackingalgorithmbasedonvideohasdevelopedformanyye

7、ars.However,therearemanychallengingproblemsintargettracking,suchasilluminationchange,targetdeformation,scalechangeetc..Theseproblemsoftencausethedriftingproblemastheerroraccumulatesovertimeandfinallyleadtotrackingfailure.Inordertosolvetheseproblems,wedevelopourresearchinterm

8、soffeatureextraction,classifierconstruction,trackingdecisionandSpatio-Tempo

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無此問題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。