資源描述：
《基于在線學(xué)習(xí)的視頻跟蹤研究》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、浙江工業(yè)大學(xué)碩士學(xué)位論文基于在線學(xué)習(xí)的視頻跟蹤研究作者姓名：毛飛飛指導(dǎo)教師：毛劍飛浙江工業(yè)大學(xué)計算機科學(xué)與技術(shù)學(xué)院2013年5月DissertationSubmittedtoZhejiangUniversityofTechnologyfortheDegreeofMasterAResearchonVideoTrackingBasedonOnlineLearningCandidate：MaoFeiFeiAdvisor：MaoJianFeiCollegeofComputerScienceandTechnologyZhejiangUniversityofTechnol
2、ogye．iiangniversityollechnolo厶nMay2013㈣9舢8Ⅲ5¨¨¨¨¨¨■Imn¨Ⅲm叫●1Ⅲ4舢Z刪Y浙江工業(yè)大學(xué)學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所提交的學(xué)位論文是本人在導(dǎo)師的指導(dǎo)下，獨立進行研究工作所取得的研究成果。除文中已經(jīng)加以標注引用的內(nèi)容外，本論文不包含其他個人或集體已經(jīng)發(fā)表或撰寫過的研究成果，也不含為獲得浙江工業(yè)大學(xué)或其它教育機構(gòu)的學(xué)位證書而使用過的材料。對本文的研究作出重要貢獻的個人和集體，均已在文中以明確方式標明。本人承擔(dān)本聲明的法律責(zé)任。作者簽名：軔巹番日期：矽侈年』’月玎日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全
3、了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)浙江工業(yè)大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。本學(xué)位論文屬于l、保密口，在年解密后適用本授權(quán)書。2、不保密囪。(請在以上相應(yīng)方框內(nèi)打“√”)作者簽名：嵇否咨導(dǎo)師簽名：狒日期：∽f；年，月心日日期：跏馬年籮月巧日i、浙江工業(yè)大學(xué)碩士學(xué)位論文基于在線學(xué)習(xí)的視頻跟蹤研究摘要視頻跟蹤是計算機視覺領(lǐng)域的一個重要研究方向，它融合了模式識別、圖像處理、圖像表征和計算機應(yīng)用
4、等相關(guān)領(lǐng)域的研究成果和先進技術(shù)，在智能監(jiān)控、交通管制、人工交互、軍事精確武器制導(dǎo)和工業(yè)控制等領(lǐng)域都有廣泛的應(yīng)用，具有十分重要的研究價值和實用意義。本文對視頻跟蹤算法進行了一些有益的研究和探索，并針對視頻跟蹤領(lǐng)域的長時跟蹤和自適應(yīng)恢復(fù)問題，進行了深入地研究，主要的工作如下：1．詳細研究了基于KLT特征點的跟蹤算法，并針對目標運動較大時，算法不能繼續(xù)跟蹤目標，將其擴展到多尺度圖像空間中，通過構(gòu)建高斯圖像金字塔跟蹤特征點。同時，引入一種新的錯誤判別標準．雙向誤差，對特征點進行篩選，大大提高的跟蹤算法中特征點的精確性，最后使用Greedy貪婪算法對目標位置進行收斂，實
5、驗結(jié)果表明此方法的有效性。2．將一元化模式的跟蹤擴展到二元分類問題，提出支持在線學(xué)習(xí)的增量式隨機森林分類器，可有效處理視頻跟蹤這類小樣本數(shù)據(jù)流的問題，在線構(gòu)造分類器，并通過順序得到的樣本對分類器進行在線更新，從而適應(yīng)目標運動過程中的不斷變化，并基于這些變化對分類器樹結(jié)構(gòu)進行修剪。通過對跟蹤視頻的分類準確率和召回率進行定量統(tǒng)計表明，基于在線學(xué)習(xí)的分類器模型在復(fù)雜環(huán)境下具有很好的準確性和穩(wěn)定性。3．針對目標的長時跟蹤以及跟蹤過程的自適應(yīng)恢復(fù)問題，提出了基于雙向光流和在線學(xué)習(xí)的跟蹤算法，算法通過基于位移權(quán)重的掃描方法提取窗口樣本，并使用結(jié)構(gòu)約束集對目標運動變化進行約
6、束和學(xué)習(xí)，提取目標運動過程中的關(guān)鍵幀構(gòu)建目標的觀測模型和運動模型，用于對集成分類器進行在線更新，使分類器在線學(xué)習(xí)目標的外形變化。目標跟蹤失敗后，檢測模塊重新檢測目標，用于重新初始化短時跟蹤算法的相關(guān)參數(shù)，自動恢復(fù)跟蹤。實驗結(jié)果表明，該算法在復(fù)雜背景下，運動目標發(fā)生尺度變化、外觀范圍變化、遮擋和消失等情況下，依然可以穩(wěn)定跟蹤目標，并在出現(xiàn)跟蹤抖動后可以自動恢復(fù)，從而實現(xiàn)對目標的長時自適應(yīng)跟蹤。關(guān)鍵詞：視頻跟蹤，在線學(xué)習(xí)，觀測模型，自適應(yīng)跟蹤，長時跟蹤，在線模型更新浙江工業(yè)大學(xué)碩士學(xué)位論文ARESEARCHONVIDEOTRACK礬GBASEDONONLINELE
7、ARNINGABSTRACTVideotrackingisoneofthemostimportantresearchdirectioninthefieldofcomputervision，itcombinesresearchandadvancedtechnologyinthefieldofpatternrecognition，imageprocessing，imagecharacterizationandcomputerapplicationsandhasaveryimportantresearchvalueandpracticalsignificancein
8、intelligentmonitori
