發(fā)布時(shí)間：2018-03-07 05:04

  本文選題：協(xié)同目標(biāo)追蹤　切入點(diǎn)：計(jì)算機(jī)視覺　出處：《上海師范大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：視頻目標(biāo)追蹤作為計(jì)算機(jī)視覺領(lǐng)域一項(xiàng)核心技術(shù),是后續(xù)情景感知、目標(biāo)行為分析、視頻搜索等各種高層視覺處理的基礎(chǔ)。視頻中存在目標(biāo)尺度變化、光的明暗變化、遮擋、快速移動(dòng)以及運(yùn)動(dòng)模糊等不確定的影響因素,所以尋求高效、魯棒性的目標(biāo)追蹤模型一直以來都是具有挑戰(zhàn)性的課題,目前的追蹤算法大多是根據(jù)鄰近幀的觀測(cè)樣本來更新表觀模型。盡管有些算法已經(jīng)有了不錯(cuò)的進(jìn)展,但經(jīng)常還是會(huì)遇到復(fù)雜背景下追蹤目標(biāo)丟失的問題,而且視頻目標(biāo)追蹤過程中面臨的自動(dòng)初始化、前景和背景含有大量雜波、非剛性目標(biāo)等問題也尚待解決,最近的一些研究工作都是針對(duì)以上問題開展的。本文在參考和研究大量前人的科研成果的基礎(chǔ)上,針對(duì)視頻的目標(biāo)進(jìn)行追蹤,提出了兩種新型的視頻目標(biāo)追蹤檢測(cè)算法:(1)基于稀疏協(xié)同的目標(biāo)追蹤算法。本文算法與其他同類算法相比更具有適應(yīng)性,基于生成式模型計(jì)算候選樣本和模板之間的相似度,最后將二者融合計(jì)算出候選樣本的置信度。通過對(duì)模型的在線更新減少跟蹤中的漂移問題,并能夠自適應(yīng)的對(duì)目標(biāo)變化做出響應(yīng)。(2)基于壓縮感知理論的目標(biāo)追蹤算法。首先,在正負(fù)樣本區(qū)域隨機(jī)抽取不同尺度下圖像的DRLBP特征;然后將高維的特征信息投射到低秩的壓縮域,并根據(jù)此壓縮域特征建立表觀模型;最后,本文使用一個(gè)隨機(jī)稀疏測(cè)量矩陣來壓縮前景和背景目標(biāo),通過在壓縮域中對(duì)追蹤目標(biāo)進(jìn)行實(shí)時(shí)的在線更新追蹤。追蹤問題最終被轉(zhuǎn)化成為一個(gè)使用樸素貝葉斯分類器的二元分類問題。本文提出的基于壓縮感知的實(shí)時(shí)在線目標(biāo)追蹤方法,實(shí)驗(yàn)結(jié)果證明可以較快速、實(shí)時(shí)的完成目標(biāo)的在線追蹤,同時(shí)兼顧目標(biāo)尺度變化、遮擋等。本文針對(duì)上述兩種稀疏追蹤算法,分別在不同的實(shí)驗(yàn)視頻數(shù)據(jù)集上進(jìn)行追蹤驗(yàn)證。實(shí)驗(yàn)表明本文所提追蹤算法的單幀追蹤算法平均1ms甚至更低,實(shí)驗(yàn)表明在不同的追蹤場(chǎng)景下本文算法均具有較強(qiáng)的實(shí)用性。
[Abstract]:As a core technology in the field of computer vision, video target tracking is the basis of all kinds of high-level visual processing, such as scene perception, target behavior analysis, video search and so on. Because of the uncertain factors such as fast movement and motion blur, it has been a challenging task to seek an efficient and robust target tracking model. Most of the current tracking algorithms update the apparent model based on the observation samples of adjacent frames. Although some algorithms have made good progress, they often encounter the problem of tracking target loss in complex background. In addition, the problems of automatic initialization, foreground and background contain a lot of clutter, non-rigid targets and so on are still to be solved in the process of video target tracking. Some of the recent research work has been carried out in response to the above problems. Based on the reference and study of a large number of previous scientific research achievements, this paper aims at tracking the video target. In this paper, two new video target tracking algorithms: 1) based on sparse collaboration are proposed. Compared with other similar algorithms, this algorithm is more adaptive, and computes the similarity between candidate samples and templates based on generative model. Finally, the confidence degree of candidate samples is calculated by combining the two methods. By updating the model online, the drift problem in tracking can be reduced, and the target tracking algorithm based on compressed perception theory can be adapted to respond to the change of target. The DRLBP features of images with different scales are randomly extracted in the positive and negative sample regions. Then the feature information of high dimension is projected to the compression domain of low rank, and an apparent model is established according to the features of the compressed domain. Finally, In this paper, a random sparse measurement matrix is used to compress the foreground and background targets. The tracking problem is transformed into a binary classification problem using naive Bayes classifier by updating the tracking target in the compressed domain in real time. Line target tracking method, The experimental results show that the online tracking of target can be completed quickly and in real time, taking into account the change of target scale, occlusion and so on. This paper aims at the above two sparse tracking algorithms. The experiments show that the single frame tracking algorithm of the proposed tracking algorithm is less than 1 Ms on average, and the experiment shows that the algorithm has strong practicability in different tracking scenarios.
【學(xué)位授予單位】：上海師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 俞靚;王志波;駱吉安;孫喜策;王智;;面向移動(dòng)目標(biāo)追蹤的無線傳感器網(wǎng)絡(luò)QoS指標(biāo)體系設(shè)計(jì)[J];計(jì)算機(jī)學(xué)報(bào);2009年03期

2 付仁杰;賀仁龍;聞劍峰;丁富強(qiáng);;建立基于Map-Reduce的海量視頻目標(biāo)追蹤模型[J];中國電信業(yè);2013年01期

3 汪雄良,王正明;基于快速基追蹤算法的圖像去噪[J];計(jì)算機(jī)應(yīng)用;2005年10期

4 滕濟(jì)凱;宋宗余;;一種2-安全碼的改進(jìn)追蹤算法[J];通信技術(shù);2007年11期

5 楊希祥;楊濤;楊慧欣;張為華;;多個(gè)體系統(tǒng)編隊(duì)分布式控制的循環(huán)追蹤算法[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年02期

6 孔斌;人類視覺與計(jì)算機(jī)視覺的比較[J];自然雜志;2002年01期

7 高美真;姜曉峰;;人類視覺與計(jì)算機(jī)視覺的比較[J];焦作師范高等�？茖W(xué)校學(xué)報(bào);2007年01期

8 徐光yP;;以人為中心的計(jì)算機(jī)視覺應(yīng)用[J];中國圖象圖形學(xué)報(bào);2009年02期

9 韓紅;焦李成;;談?dòng)?jì)算機(jī)視覺課程的教學(xué)創(chuàng)新[J];計(jì)算機(jī)教育;2010年19期

10 王振華;胡占義;;2011國際計(jì)算機(jī)視覺大會(huì)簡(jiǎn)介[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2012年02期

相關(guān)會(huì)議論文 前10條

1 張禹;倪靖哲;姜媛;;籃球運(yùn)動(dòng)員與非運(yùn)動(dòng)員多目標(biāo)追蹤任務(wù)成績比較[A];第九屆全國體育科學(xué)大會(huì)論文摘要匯編(3)[C];2011年

2 金紅軍;許百華;陳釗;;多目標(biāo)追蹤任務(wù)中非目標(biāo)的抑制機(jī)制探討[A];第十五屆全國心理學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2012年

3 宋小華;歐陽丹彤;;時(shí)空推理在計(jì)算機(jī)視覺的應(yīng)用[A];2006年全國理論計(jì)算機(jī)科學(xué)學(xué)術(shù)年會(huì)論文集[C];2006年

4 謝麗欣;牟會(huì);王歡;劉明霞;;基于計(jì)算機(jī)視覺的人臉檢測(cè)與識(shí)別綜述[A];第三屆全國軟件測(cè)試會(huì)議與移動(dòng)計(jì)算、柵格、智能化高級(jí)論壇論文集[C];2009年

5 陳強(qiáng);孫振國;;計(jì)算機(jī)視覺在焊接中的應(yīng)用[A];第十次全國焊接會(huì)議論文集（第1冊(cè)）[C];2001年

6 田涌濤;洪錫軍;王有慶;李從心;;計(jì)算機(jī)視覺在先進(jìn)制造技術(shù)中的應(yīng)用[A];面向制造業(yè)的自動(dòng)化與信息化技術(shù)創(chuàng)新設(shè)計(jì)的基礎(chǔ)技術(shù)——2001年中國機(jī)械工程學(xué)會(huì)年會(huì)暨第九屆全國特種加工學(xué)術(shù)年會(huì)論文集[C];2001年

7 劉敏娟;洪添勝;李震;吳偉斌;劉志壯;;基于計(jì)算機(jī)視覺的荔枝檢測(cè)與分級(jí)方法[A];紀(jì)念中國農(nóng)業(yè)工程學(xué)會(huì)成立30周年暨中國農(nóng)業(yè)工程學(xué)會(huì)2009年學(xué)術(shù)年會(huì)（CSAE 2009）論文集[C];2009年

8 孫潔瓊;孫明;;基于計(jì)算機(jī)視覺的水果外觀品質(zhì)檢測(cè)分級(jí)研究現(xiàn)狀[A];中國農(nóng)業(yè)工程學(xué)會(huì)電氣信息與自動(dòng)化專業(yè)委員會(huì)、中國電機(jī)工程學(xué)會(huì)農(nóng)村電氣化分會(huì)科技與教育專委會(huì)2010年學(xué)術(shù)年會(huì)論文摘要[C];2010年

9 王劃一;王效良;;計(jì)算機(jī)視覺在絎縫機(jī)自動(dòng)編程及控制中的應(yīng)用[A];第二十屆中國控制會(huì)議論文集（下）[C];2001年

10 周紅;劉光蓉;;計(jì)算機(jī)視覺及其在谷物籽粒檢測(cè)分級(jí)中的應(yīng)用[A];中國糧油學(xué)會(huì)第三屆學(xué)術(shù)年會(huì)論文選集（下冊(cè)）[C];2004年

相關(guān)重要報(bào)紙文章 前2條

1 記者 李大慶;我在國際計(jì)算機(jī)視覺算法競(jìng)賽中摘金[N];科技日?qǐng)?bào);2011年

2 滕繼濮;不放過一個(gè)“壞蛋”[N];糧油市場(chǎng)報(bào);2011年

相關(guān)博士學(xué)位論文 前10條

1 常逢錦;兒茶酚胺類藥物對(duì)動(dòng)物信號(hào)追蹤和目標(biāo)追蹤的影響[D];首都師范大學(xué);2013年

2 王強(qiáng);基于幾何代數(shù)的計(jì)算機(jī)視覺問題研究[D];國防科學(xué)技術(shù)大學(xué);2013年

3 王任大;基于計(jì)算機(jī)視覺的手勢(shì)交互技術(shù)及其在航海中的應(yīng)用[D];大連海事大學(xué);2014年

4 賀文驊;基于計(jì)算機(jī)視覺的復(fù)雜場(chǎng)景下目標(biāo)跟蹤研究[D];西安電子科技大學(xué);2015年

5 王愛麗;基于計(jì)算機(jī)視覺的行人交通信息智能檢測(cè)理論和關(guān)鍵技術(shù)研究[D];北京交通大學(xué);2016年

6 潘磊慶;基于計(jì)算機(jī)視覺和聲學(xué)技術(shù)融合檢測(cè)雞蛋品質(zhì)的研究[D];南京農(nóng)業(yè)大學(xué);2007年

7 孔明;顆粒粒徑和形態(tài)計(jì)算機(jī)視覺測(cè)量方法研究[D];東南大學(xué);2005年

8 劉釗;基于計(jì)算智能的計(jì)算機(jī)視覺及其應(yīng)用研究[D];武漢科技大學(xué);2011年

9 李慶中;蘋果自動(dòng)分級(jí)中計(jì)算機(jī)視覺信息快速獲取與處理技術(shù)的研究[D];中國農(nóng)業(yè)大學(xué);2000年

10 謝存;計(jì)算機(jī)視覺中若干問題實(shí)現(xiàn)技術(shù)和算法的研究[D];大連理工大學(xué);2002年

相關(guān)碩士學(xué)位論文 前10條

1 陳一根;基于壓縮感知的視頻追蹤方法研究[D];上海師范大學(xué);2017年

2 孫立軍;基于RFID的室內(nèi)追蹤技術(shù)研究與應(yīng)用[D];電子科技大學(xué);2014年

3 李雪佩;運(yùn)動(dòng)技能水平對(duì)多目標(biāo)追蹤能力影響的fMRI研究[D];上海體育學(xué)院;2017年

4 馬曉;多目標(biāo)追蹤線索加工方式的特點(diǎn)[D];北京體育大學(xué);2014年

5 童玉娟;寬基線目標(biāo)追蹤技術(shù)研究[D];重慶大學(xué);2010年

6 楊杰;多目標(biāo)追蹤下的無意視盲[D];河北師范大學(xué);2014年

7 肖劍明;無線傳感器網(wǎng)絡(luò)中能效優(yōu)化的目標(biāo)追蹤關(guān)鍵技術(shù)研究[D];中南大學(xué);2014年

8 劉金堯;基于目標(biāo)追蹤的多點(diǎn)觸控人機(jī)交互系統(tǒng)設(shè)計(jì)[D];中國海洋大學(xué);2012年

9 張海亮;基于無線傳感器網(wǎng)絡(luò)的目標(biāo)追蹤技術(shù)研究[D];太原科技大學(xué);2009年

10 全品杰;基于視覺適應(yīng)的在線目標(biāo)追蹤算法研究與實(shí)現(xiàn)[D];電子科技大學(xué);2014年

，

本文編號(hào)：1578027