隨著計算機和相關硬件設備的普及,單目標跟蹤技術受到越來越多研究員的廣泛關注。當前階段視覺跟蹤作為計算機視覺的重要組成部分,其魯棒性一直受到目標遮擋,光照變化,目標姿態(tài)變化等因素的制約,應用領域也受到極大限制。本文在前人工作的基礎上,對視覺跟蹤技術做了較深入的研究與總結,通過對秩最小化理論和稀疏表示理論的研究,將上述模型應用到了目標跟蹤領域,具體成果如下所示:1、目標跟蹤研究現(xiàn)狀與相關理論分析。本文首先介紹了目標跟蹤的研究現(xiàn)狀,然后對秩最小化模型和稀疏表示模型進行詳細分析,并介紹了每個模型的求解方法,最后分別介紹了四種經(jīng)典的目標跟蹤方法以及跟蹤技術相關評價指標。2、基于低秩投影中稀疏誤差矩陣分析的視覺跟蹤。本文在研究了基于稀疏表示模型的目標跟蹤技術以后,提出了基于低秩投影中稀疏誤差矩分析的視覺跟蹤算法。算法采用魯棒主成分分析將原始模板數(shù)據(jù)分解為低秩分量和稀疏分量,因為原始數(shù)據(jù)和低秩分量存在對應關系,可以根據(jù)低秩映射原理求得二者的映射矩陣,采集到候選目標以后將候選目標投影到映射空間,進而求得候選目標的稀疏誤差矩陣,根據(jù)稀疏誤差矩陣的特性可以實現(xiàn)對候選目標的篩選。為了克服模板漂移對跟蹤的影響... 

【文章頁數(shù)】：68 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題研究背景與意義
    1.2 目標跟蹤國內(nèi)外研究現(xiàn)狀
    1.3 目標跟蹤分類
        1.3.1 生成模型法
        1.3.2 判別模型法
        1.3.3 混合模型法
    1.4 目標跟蹤主要技術挑戰(zhàn)
    1.5 論文主要研究內(nèi)容和結構安排
        1.5.1 論文主要內(nèi)容
        1.5.2 論文的結構安排
第二章 秩最小化模型和稀疏表示模型及其求解方法
    2.1 魯棒主成分分析及其求解方法
        2.1.1 迭代閾值法
    2.2 低秩表示及其求解方法
        2.2.1 交替方向法
        2.2.2 線性交替方向法
    2.3 稀疏表示及其求解方法
        2.3.1 凸松弛法
        2.3.2 貪婪算法
    2.4 四種經(jīng)典的視覺跟蹤方法以及視覺跟蹤性能評價指標
        2.4.1 TLD跟蹤
        2.4.2 CMT跟蹤
        2.4.3 L1跟蹤
        2.4.4 LRST跟蹤
        2.4.5 目標跟蹤相關評價指標
    2.5 本章小結
第三章 基于低秩投影中稀疏誤差矩陣分析的視覺跟蹤
    3.1 引言
    3.2 基于低秩投影中稀疏誤差矩陣分析的視覺跟蹤
        3.2.1 魯棒主成分分析
        3.2.2 低秩映射矩陣
        3.2.3 稀疏誤差矩陣分析
        3.2.4 模板更新
        3.2.5 目標跟蹤
        3.2.6 跟蹤方法
    3.3 實驗及結果分析
        3.3.1 定性分析
        3.3.2 定量分析
    3.4 本章小結
第四章 基于增量子空間學習和局部稀疏表示的視覺跟蹤
    4.1 引言
    4.2 基于增量子空間學習和局部稀疏表示的視覺跟蹤
        4.2.1 增量子空間學習
        4.2.2 局部稀疏表示
        4.2.3 遮擋檢測
        4.2.4 相似性度量
        4.2.5 模板更新
        4.2.6 跟蹤方法
    4.3 實驗及結果分析
        4.3.1 定性比較
        4.3.2 中心誤差分析
        4.3.3 重疊率分析
    4.4 本章小結
第五章 總結與展望
    5.1 總結
    5.2 展望
參考文獻
致謝
攻讀碩士學位期間的研究成果


【參考文獻】：
期刊論文
[1]在線低秩表示的目標跟蹤算法[J]. 王海軍,葛紅娟,張圣燕.  西安電子科技大學學報. 2016(05)
[2]基于主分量尋蹤的魯棒視覺跟蹤[J]. 袁廣林,薛模根.  電子學報. 2015(03)



本文編號：3660778