資源描述：
《基于理解診斷跟蹤系統(tǒng)的目標跟蹤算法研究》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在學術論文-天天文庫。
1、分類號：密級：UDC：編號：工學碩士學位論文基于理解診斷跟蹤系統(tǒng)的目標跟蹤算法研究碩士研究生：夏業(yè)儒指導教師：于蕾副教授學科、專業(yè)：電子科學與技術論文主審人：黃麗蓮教授哈爾濱工程大學2017年12月分類號：密級：UDC：編號：工學碩士學位論文基于理解診斷跟蹤系統(tǒng)的目標跟蹤算法研究碩士研究生：夏業(yè)儒指導教師：于蕾副教授學位級別：工學碩士學科、專業(yè)：電子科學與技術所在單位：信息與通信工程學院論文提交日期：2017年12月論文答辯日期：2018年03月學位授予單位：哈爾濱工程大學ClassifiedInd
2、ex:U.D.C:ADissertationfortheDegreeofM.EngResearchonUnderstandingandDiagnosingVisualTrackingSystemofTargetTrackingAlgorithmCandidate:XiaYeruSupervisor:AssociateProf.YuLeiAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:ElectronicScienceandTechnolog
3、yDateofSubmission:Dec.2017DateofOralExamination:Mar.2018University:HarbinEngineeringUniversity哈爾濱工程大學學位論文原創(chuàng)性聲明本人鄭重聲明：本論文的所有工作，是在導師的指導下，由作者本人獨立完成的。有關觀點、方法、數(shù)據(jù)和文獻的引用已在文中指出，并與參考文獻相對應。除文中已注明引用的內(nèi)容外，本論文不包含任何其他個人或集體已經(jīng)公開發(fā)表的作品成果。對本文的研究做出重要貢獻的個人和集體，均已在文中以明確方式標明。本
4、人完全意識到本聲明的法律結果由本人承擔。作者（簽字）：日期：年月日哈爾濱工程大學學位論文授權使用聲明本人完全了解學校保護知識產(chǎn)權的有關規(guī)定，即研究生在校攻讀學位期間論文工作的知識產(chǎn)權屬于哈爾濱工程大學。哈爾濱工程大學有權保留并向國家有關部門或機構送交論文的復印件。本人允許哈爾濱工程大學將論文的部分或全部內(nèi)容編入有關數(shù)據(jù)庫進行檢索，可采用影印、縮印或掃描等復制手段保存和匯編本學位論文，可以公布論文的全部內(nèi)容。同時本人保證畢業(yè)后結合學位論文研究課題再撰寫的論文一律注明作者第一署名單位為哈爾濱工程大學。涉
5、密學位論文待解密后適用本聲明。本論文（□在授予學位后即可□在授予學位12個月后□解密后）由哈爾濱工程大學送交有關部門進行保存、匯編等。作者（簽字）：導師（簽字）：日期：年月日年月日摘要目標跟蹤是機器科學領域中的一個重要的研究方向，隨著信息科學技術的進步，目標跟蹤在人工智能方向上也受到重視，越來越多的研究者們開始著力研究這個富有挑戰(zhàn)性的技術。但在背景雜波、目標被遮擋、幾何變形、快速移動等情況下，跟蹤器能夠繼續(xù)精準的跟蹤仍是一個難題。本文將跟蹤系統(tǒng)分成五個組成部分即運動模型、特征提取器、觀察模型、模型更
6、新器以及總體后處理器。針對這五個組成部分，提出了相應的基本的算法。雖然這些基本算法在處理一些如視頻中出現(xiàn)與目標相似物體、光照變化等問題上有著較好的準確性，但在視頻中的外部環(huán)境較為復雜等情況下都會讓目標跟蹤具有挑戰(zhàn)性，缺乏一定的適應性。因此，針對理解診斷視覺跟蹤系統(tǒng)的缺點提出了如下的改進方案：首先，在特征提取器中使用Haar特征，最基本的幾種Haar特征難以滿足對于多角度灰度的識別，以及多角度灰度特征的檢測，在目標跟蹤中會影響到對目標物體的檢測。為此，本文改進了Haar特征，增添了多角度灰度特征。其次
7、，為了提高跟蹤的精準性，引入一個簡單且快速的魯棒性算法來改進系統(tǒng)中的運動模型，該方法利用了視覺跟蹤中的上下文模型，建立基于貝葉斯框架的目標以及其周圍環(huán)境的時空關系，在檢測方面使用了快速傅里葉變換方法，提高了算法的魯棒性，使跟蹤更加精準，并且在在處理遮擋、背景復雜等問題上有著較好的效果。實驗后的結果表示，所提出的算法在降低很少平均幀率的情況下，提高了跟蹤的成功率以及精度。最后，理解診斷視覺跟蹤系統(tǒng)在尺度變化較大時存在跟蹤失敗的情況，為了解決這樣的問題，本文提出了一種基于跟蹤檢測框架的魯棒尺度估計方法來
8、改進理解診斷視覺跟蹤系統(tǒng)，所提出的方法使用基于尺度金字塔表示的學習辨別相關濾波器，學習用位置和尺度估計的濾波器。此外，本文提出了RawColor改進HOG并用于特征提取器中。實驗后的結果表示，在目標尺度發(fā)生大量變化以及目標跟蹤背景復雜的情況下，所提出的改進算法在目標跟蹤的成功率和目標跟蹤的精度上都有了較為明顯的提高。關鍵詞：目標跟蹤；理解診斷視覺跟蹤系統(tǒng)；Haar-Like特征；上下文；魯棒尺度估計ABSTRACTTargettrackingisanimportant
