本文關(guān)鍵詞：壓縮追蹤算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：目標(biāo)追蹤是近年來一個十分活躍的研究方向,它融合了計(jì)算機(jī)視覺、人工智能、模式識別等學(xué)科技術(shù),在視頻安全監(jiān)控,視頻壓縮與檢索等方面有廣闊的應(yīng)用前景.系統(tǒng)輸入圖像序列,輸出的則是圖像中目標(biāo)的各種屬性,如大小、位置等,其目的是為了判斷圖像序列中目標(biāo)的位置.影響視頻追蹤的原因有多個,如光照變化、部分遮擋、目標(biāo)變形、運(yùn)動等.追蹤算法通常分為生成式算法和判別式算法.壓縮感知是一個快速崛起的信號壓縮理論.它打破了奈奎斯特采樣定律對信號采樣率的限制,為信號處理開創(chuàng)了新局面.由于其本身的優(yōu)越性,該理論一經(jīng)提出,各學(xué)者就爭相研究,為其發(fā)展做出卓越的貢獻(xiàn).隨著壓縮感知理論的逐步完善,其應(yīng)用不再局限于靜態(tài)信號,與動態(tài)追蹤算法的巧妙結(jié)合有效的減低了計(jì)算復(fù)雜度,提高了追蹤的速度,開創(chuàng)了壓縮追蹤算法的新格局.基于壓縮感知的實(shí)時目標(biāo)追蹤算法(CT)是一種新穎的算法,能得到快速準(zhǔn)確的追蹤效果.實(shí)時壓縮追蹤算法(CT)是由張開華教授于2012年提出的一種在壓縮域提取被追蹤目標(biāo)特征的目標(biāo)追蹤算法.CT作為一種新的追蹤算法,具有簡單、高效、實(shí)時的優(yōu)點(diǎn),因此受到了廣泛的關(guān)注,并相繼呈現(xiàn)各種改進(jìn)算法,其中FCT算法增加幀內(nèi)空間搜索,WCT算法選擇具有高分辨率的特征建立外觀模型等等.本文將以快速壓縮追蹤(FCT)算法為重點(diǎn)研究對象,全面分析和比較了CT、WCT和FCT等壓縮追蹤算法的優(yōu)缺點(diǎn),在FCT的基礎(chǔ)上提出了改進(jìn)的分塊快速壓縮追蹤算法.在FCT中,由于壓縮測量矩陣的稀疏性,忽略了樣本的空間信息,使得提取的特征不能準(zhǔn)確的表征樣本；當(dāng)追蹤錯誤時沒有補(bǔ)救措施.本文提出一種改進(jìn)的快速壓縮追蹤算法,該方法充分利用樣本圖像的空間信息,分塊提取樣本的Haar-like特征；利用目標(biāo)運(yùn)動估計(jì)法矯正分類錯誤時追蹤到的目標(biāo).通過調(diào)整壓縮測量矩陣中行向量的稀疏度以及樸素貝葉斯分類器的閡值可以實(shí)現(xiàn)目標(biāo)的準(zhǔn)確追蹤.實(shí)驗(yàn)結(jié)果表明,改進(jìn)算法與快速壓縮追蹤算法(FCT)相比,無論是在追蹤相似度、追蹤成功率還是主觀視覺效果上都有所提高.
【關(guān)鍵詞】：快速壓縮追蹤(FCT) Haar-like特征 壓縮感知 樸素貝葉斯分類器 稀疏性
【學(xué)位授予單位】：廣東工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要4-5
• ABSTRACT5-11
• 第一章 緒論11-14
• 1.1 課題研究背景及選題意義11
• 1.2 運(yùn)動目標(biāo)追蹤算法綜述11-13
• 1.2.1 生成式算法12
• 1.2.2 判別式算法12-13
• 1.3 本文研究內(nèi)容與結(jié)構(gòu)安排13-14
• 第二章 壓縮感知理論14-24
• 2.1 引言14
• 2.2 盲源分離理論14-15
• 2.3 壓縮感知(CS)理論框架15-21
• 2.3.1 稀疏表示17-18
• 2.3.2 測量矩陣18-19
• 2.3.3 重構(gòu)算法19-21
• 2.4 單像素相機(jī)21-22
• 2.5 基于壓縮感知的目標(biāo)追蹤22-23
• 2.6 本章小結(jié)23-24
• 第三章 壓縮追蹤算法24-35
• 3.1 引言24
• 3.2 實(shí)時壓縮追蹤算法(CT)24-29
• 3.2.1 隨機(jī)投影25-26
• 3.2.2 尺度不變性26-27
• 3.2.3 低維壓縮特征的分析27
• 3.2.4 分類器構(gòu)建和更新27-28
• 3.2.5 算法流程28-29
• 3.2.6 CT算法的不足29
• 3.3 自適應(yīng)加權(quán)實(shí)時壓縮跟蹤(WCT)算法29-32
• 3.3.1 選擇特征30
• 3.3.2 加權(quán)追蹤30-31
• 3.3.3 基于co-training更新分類器31-32
• 3.3.4 算法流程32
• 3.4 快速壓縮追蹤(FCT)算法32-34
• 3.4.1 幀內(nèi)搜索策略33-34
• 3.4.2 算法流程34
• 3.5 本章小結(jié)34-35
• 第四章 分塊快速壓縮追蹤算法35-42
• 4.1 引言35
• 4.2 劃分區(qū)域增加樣本的空間信息35-37
• 4.3 矯正追蹤目標(biāo)37
• 4.4 增加閾值控制分類37-38
• 4.5 實(shí)驗(yàn)結(jié)果及分析38-41
• 4.6 本章小結(jié)41-42
• 總結(jié)與展望42-44
• 參考文獻(xiàn)44-48
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文48-50
• 致謝50

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前9條

1 劉威;趙文杰;李成;;一種基于壓縮感知的在線學(xué)習(xí)跟蹤算法[J];光學(xué)學(xué)報(bào);2015年09期

2 錢凱;陳秀宏;孫百偉;;一種類三步搜索策略的快速壓縮跟蹤算法[J];小型微型計(jì)算機(jī)系統(tǒng);2015年08期

3 李然;干宗良;崔子冠;武明虎;朱秀昌;;聯(lián)合時空特征的視頻分塊壓縮感知重構(gòu)[J];電子與信息學(xué)報(bào);2014年02期

4 王強(qiáng);李佳;沈毅;;壓縮感知中確定性測量矩陣構(gòu)造算法綜述[J];電子學(xué)報(bào);2013年10期

5 焦李成;楊淑媛;劉芳;侯彪;;壓縮感知回顧與展望[J];電子學(xué)報(bào);2011年07期

6 戴瓊海;付長軍;季向陽;;壓縮感知研究[J];計(jì)算機(jī)學(xué)報(bào);2011年03期

7 王東梅;侯曉峗;;壓縮感知理論及其應(yīng)用前景[J];中國新通信;2010年21期

8 芮國勝;王林;田文飚;;一種基于基追蹤壓縮感知信號重構(gòu)的改進(jìn)算法[J];電子測量技術(shù);2010年04期

9 孫學(xué)巖,葉海建,韓玉坤;數(shù)字圖像壓縮原理及常用壓縮編碼方法[J];農(nóng)機(jī)化研究;2005年03期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 謝忠德;基于稀疏表示的盲信號分離算法研究[D];廣東工業(yè)大學(xué);2012年

  本文關(guān)鍵詞：壓縮追蹤算法研究，，由筆耕文化傳播整理發(fā)布。

本文編號：329115