本文選題：運動檢測　切入點：目標跟蹤　出處：《浙江大學》2017年博士論文

【摘要】：在對復雜背景視頻中的目標進行跟蹤時,目標失敗的很大一部分原因是受到目標周圍背景以及目標本身外觀變化的干擾,而且,當攝像機運動時,運動目標的初始檢測也會變得更加復雜,這些因素綜合起來使得視頻中的魯棒跟蹤問題變得十分困難,本文以稀疏表達理論和隨機游走模型為基礎,以目標跟蹤過程中的背景信息抑制為切入點,并融合目標形狀特征信息,對運動目標檢測與跟蹤進行了深入的研究。論文的主要內容如下:第一章闡述了視覺目標跟蹤研究的背景、意義和目的,對目標跟蹤中相關理論方法的研究現(xiàn)狀做了歸納總結,分析了跟蹤中仍然存在的一些問題,并針對這些問題給出了本課題的主要研究內容。第二章對運動云臺攝像機下的運動檢測方法做了研究,提出了 一種基于時空圖像異常邊緣分析的運動檢測算法,為運動攝像機下的運動目標檢測開拓了新的思路,并在實際測試中取得了較好的效果。算法的主要流程為首先根據中值流跟蹤法估計出相鄰視頻幀間的垂直運動位移,將連續(xù)幾幀圖像中的相對應的行組合在一起形成時空圖像,然后對時空圖像中的邊緣根據其斜率做聚類分析,分析每個類中的邊緣數(shù)量和邊緣分布的離散度,得到邊緣分布比較集聚的類,將這些類所在的區(qū)域判定為真正的運動目標所在的區(qū)域。算法在多種實際場景下采集的視頻序列中做了測試,實驗結果表明,算法比其他經典的算法在遮擋、背景干擾、不同的相機旋轉速度等方面更加魯棒。第三章在最新的形狀特征分類方法的基礎上提出了一種更加快速有效的形狀特征描述算子。新的描述子由輪廓段重心與輪廓段中不同部分的輪廓點之間的距離和組成,在本質上具有旋轉、平移、縮放不變性。此外,利用能夠有效模擬哺乳動物視覺系統(tǒng)V1區(qū)簡單細胞響應機制的稀疏編碼理論來對每個輪廓段的特征向量進行編碼,并且通過空間金字塔匹配對編碼值進行空間最大值池化,以充分挖掘目標的全局與局部空間結構信息。最后,使用SVM分類器來實現(xiàn)形狀分類。提出的算法在一些國際著名形狀數(shù)據庫上做了實驗,結果表明,提出的算法比其他的相關算法效果更好,在保證較高分類準確度的同時大大提高了執(zhí)行效率。第四章針對復雜背景下目標跟蹤的背景信息抑制問題,提出了基于結構化局部稀疏表達的背景分析方法,能夠對目標周圍的區(qū)域進行正確的分析與判別,找出其中真正屬于背景的區(qū)域。提出在跟蹤目標周圍生成若干個粒子群區(qū)域,通過結構化局部稀疏表達理論計算這些粒子的權重,綜合粒子的權重形成各個區(qū)域權重,根據各區(qū)域的權重大小篩選出幾個最有可能屬于背景的區(qū)域,在目標模型中將這幾個區(qū)域中的信息加以抑制來增強目標模型的抗干擾能力。而且,在每一幀中根據跟蹤結果的可靠性程度決定是否將新的目標信息添加進模型之中,在保證模型信息全面的前提下盡可能的避免受到背景信息的污染。此外,還提出一種反向投影圖中的加權搜索方法,將大概率的點賦予更高的權重,通過在目標周圍較大區(qū)域中的搜索來解決傳統(tǒng)跟蹤中的局部最優(yōu)問題。提出的跟蹤算法在國際標準數(shù)據集及實際場景中采集的視頻序列中做了測試,實驗結果表明,算法可以適應目標外觀的變化,并對背景的干擾較為魯棒。第五章針對監(jiān)控視頻中較小的人體目標跟蹤問題將具有弱邊界特性的隨機游走圖像分割方法引入到跟蹤之中,能夠根據分割結果的分布形態(tài)判別出人體目標區(qū)域,提高跟蹤魯棒性。提出在目標及其周圍背景區(qū)域均勻的選取四層種子點,每層六個種子點,分別分配六個標簽,然后利用隨機游走算法分別對每層種子點進行圖像分割,最后合并四層種子點的分割結果作為最終的結果。然后在分割結果中選取與人體形態(tài)相近的區(qū)域作為目標區(qū)域,并利用主成分分析的方法進一步篩選出在垂直方向上分布的人體區(qū)域,并在目標模型中將非目標區(qū)域中的信息加以抑制,凸顯出目標的特有特征。提出的算法在一些標準數(shù)據集和在停車場采集的視頻序列中做了實驗,取得了較好的跟蹤結果。第六章將提出的形狀特征表達方法融入到跟蹤框架中,形成一套完整的跟蹤策略。具體的融合方法是在跟蹤過程中對跟蹤結果根據其邊緣曲線的形狀特征進行分類,收集一定數(shù)量的分類結果作為分類結果集合,將當前幀中得到的分類結果與集合中的結果進行比較,判斷其是否與之前的目標類型一致,根據分類結果和跟蹤結果的可靠性來決定是否更新目標模型。融合了形狀特征表達方法的跟蹤策略在極具挑戰(zhàn)性的航拍視頻中做了測試,算法表現(xiàn)出了很好的魯棒性。第七章對全文做了總結。簡要論述了本課題的主要研究內容、結論以及創(chuàng)新點,并對接下來的研究工作做了展望。
[Abstract]:......
【學位授予單位】：浙江大學
【學位級別】：博士
【學位授予年份】：2017
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

1 王家華;周潤;;自回避隨機游走算法的研究與應用[J];軟件導刊;2010年11期

2 陳君華;胡昌振;;基于隨機游走的蠕蟲網絡演化研究[J];信息網絡安全;2009年07期

3 吳迪;周利娟;林鴻飛;;基于隨機游走的就業(yè)推薦系統(tǒng)研究與實現(xiàn)[J];廣西師范大學學報(自然科學版);2011年01期

4 李星;鐘志農;李洋;;一種隨機游走中心性的快速算法[J];計算機應用研究;2013年08期

5 蘇浩航;張義門;張玉明;解敏;滿進財;;基于改進的壓縮式隨機游走算法對靜態(tài)電源/地網的模擬[J];計算物理;2007年06期

6 任磊;杜建邦;邵春江;;光纖慣導角度隨機游走誤差傳播特性研究[J];宇航學報;2013年05期

7 劉陽;季新生;劉彩霞;;網絡社區(qū)發(fā)現(xiàn)優(yōu)化:基于隨機游走的邊權預處理方法[J];電子與信息學報;2013年10期

8 曹穎;郝欣;朱曉恩;夏順仁;;基于自動隨機游走的乳腺腫塊分割算法[J];浙江大學學報(工學版);2011年10期

9 李靖;冀中;;圖像多樣性重排序技術綜述[J];信息技術;2013年06期

10 劉輝;;基于隨機游走算法的社交網絡構建[J];湖北成人教育學院學報;2014年01期

相關會議論文 前10條

1 鄭偉;王朝坤;劉璋;王建民;;一種基于隨機游走模型的多標簽分類算法[A];NDBC2010第27屆中國數(shù)據庫學術會議論文集A輯一[C];2010年

2 張世學;吳恩華;;基于形狀特征與變形保持的動態(tài)模型簡化[A];中國計算機圖形學進展2008--第七屆中國計算機圖形學大會論文集[C];2008年

3 高劑斌;李裕梅;;基于復雜網絡的圖像形狀特征提取及多特征融合方案探究[A];中國系統(tǒng)工程學會第十八屆學術年會論文集——A12系統(tǒng)科學與系統(tǒng)工程理論在各個領域中的應用研究[C];2014年

4 朱松豪;羅青青;梁志偉;;一種改進圖像標注的新方法[A];第24屆中國控制與決策會議論文集[C];2012年

5 胡帆;廖斌;薛巧平;;基于輪廓的形狀特征提取方法[A];2011年通信與信息技術新進展——第八屆中國通信學會學術年會論文集[C];2011年

6 路陽;董宏麗;;基于MATLAB實現(xiàn)水稻顆粒圖像形狀特征分析[A];黑龍江省計算機學會2007年學術交流年會論文集[C];2007年

7 李連;朱愛紅;;基于形狀的圖像檢索技術研究[A];’2004計算機應用技術交流會議論文集[C];2004年

8 尚麗;;使用正態(tài)可逆高斯密度模型的非負稀疏編碼收縮技術實現(xiàn)圖像消噪[A];蘇州市自然科學優(yōu)秀學術論文匯編(2008-2009)[C];2010年

9 甘俊英;趙向陽;張有為;;視覺語言特征—灰度輪廓權向量差分形狀特征[A];圖像 仿真 信息技術——第二屆聯(lián)合學術會議論文集[C];2002年

10 劉揚;程健;盧漢清;;基于目標局部特征的遷移式學習[A];第十四屆全國圖象圖形學學術會議論文集[C];2008年

相關重要報紙文章 前2條

1 長盛基金管理有限公司研究部副總監(jiān) 李驥;投資自己熟悉的股票[N];證券時報;2006年

2 程春;畫面清新自然 寓意美好吉祥[N];中國集郵報;2014年

相關博士學位論文 前10條

1 趙厚強;基于稀疏編碼形狀分類和隨機游走模型的運動目標檢測與跟蹤研究[D];浙江大學;2017年

2 鄧凱英;復雜網絡搜索策略及相關模型的數(shù)值方法[D];東北師范大學;2015年

3 劉偉;利用有向隨機游走拓撲推斷風險活性通路及癌癥精確分類研究[D];哈爾濱醫(yī)科大學;2013年

4 徐曉華;圖上的隨機游走學習[D];南京航空航天大學;2008年

5 趙偉;自由形狀特征的重用與抑制[D];浙江大學;2008年

6 孫甲申;基于主題模型和隨機游走的標簽技術研究[D];北京郵電大學;2013年

7 王青;反求工程中基于變形的自由形狀特征重構[D];浙江大學;2006年

8 陳飛;基于形狀先驗的同時分割與識別研究[D];浙江大學;2013年

9 柴倫紹;具有形變魯棒性的形狀特征研究及其在檢索中的應用[D];北京郵電大學;2014年

10 桂江生;二維水果形狀檢測與分類算法研究[D];浙江大學;2007年

相關碩士學位論文 前10條

1 何岱洧;Z~d上使Schramm的上界達到的旋轉配置[D];復旦大學;2014年

2 田新春;回火老化效應及其擴散方程[D];蘭州大學;2015年

3 鞠薇;基于隨機游走和圖割算法的PET-CT肺腫瘤分割[D];蘇州大學;2015年

4 祝霖;基于隨機游走的動態(tài)社團劃分算法[D];上海交通大學;2015年

5 孫星;基于部分吸收隨機游走的協(xié)同顯著性檢測[D];大連理工大學;2015年

6 宋文靜;基于多條隨機游走的圖像檢索[D];河南大學;2015年

7 汪幫菊;基于隨機游走的復雜網絡聚類算法研究[D];安徽大學;2016年

8 蘭佳妮;基于分組—偏向隨機游走的閃存地址映射及磨損均衡算法研究[D];西南交通大學;2016年

9 金連寶;基于分層信息融合和隨機游走的顯著性檢測[D];南昌航空大學;2016年

10 馮維思;多屬性隨機游走在社會網絡中的應用[D];西南大學;2016年

，

本文編號：1707552