目標(biāo)跟蹤是計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn)之一,目前在諸如娛樂、醫(yī)療、交通、金融、軍事防御等領(lǐng)域有著廣泛應(yīng)用�？v觀目標(biāo)跟蹤的發(fā)展史,不難發(fā)現(xiàn)目標(biāo)跟蹤技術(shù)從未停止過發(fā)展的腳步,但被跟蹤目標(biāo)由于收到內(nèi)外因素的影響,比如遮擋、旋轉(zhuǎn)、姿態(tài)變化和光照變化等,使得建立魯棒的目標(biāo)跟蹤系統(tǒng)仍然是個(gè)巨大的挑戰(zhàn)。最近幾年來,目標(biāo)跟蹤算法主要包括生成方法和判別方法兩大類,每類方法都有自己獨(dú)特的優(yōu)勢(shì),且紛紛引起了高校以及科研機(jī)構(gòu)的研究人員的廣泛關(guān)注。本文主要研究了兩類目標(biāo)跟蹤方法,一是屬于生成方法類的稀疏表示目標(biāo)跟蹤算法,二是屬于判別方法類的相關(guān)濾波目標(biāo)跟蹤算法,下面依次對(duì)項(xiàng)目內(nèi)容進(jìn)行簡述:傳統(tǒng)的稀疏表示目標(biāo)跟蹤方法基于單一的外觀模型,在目標(biāo)與背景相似或出現(xiàn)遮擋、光照變化、姿態(tài)變化或旋轉(zhuǎn)時(shí)容易出現(xiàn)跟蹤失敗的結(jié)果。因此提出一種多外觀模型融合的目標(biāo)跟蹤算法,利用稀疏編碼技術(shù)和多模板方式,獲得目標(biāo)的全局、局部和空間結(jié)構(gòu)信息,再通過特征間的加權(quán)融合定位目標(biāo)。而模板更新采用了基于稀疏約束的增量主成分分析方法,不僅具有遮擋處理能力,而且算法計(jì)算量小,外觀模型更新效率高。實(shí)驗(yàn)結(jié)果表明,該方法可以有效跟蹤在場景中具有多種變化的目標(biāo)。...

【文章頁數(shù)】：72 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀
    1.3 目標(biāo)跟蹤方法分類
        1.3.1 生成類目標(biāo)跟蹤方法
        1.3.2 判決類目標(biāo)跟蹤方法
    1.4 目標(biāo)跟蹤面臨的挑戰(zhàn)
        1.4.1 外觀變化
        1.4.2 外在干擾
    1.5 主要研究項(xiàng)目和章節(jié)內(nèi)容
        1.5.1 主要研究項(xiàng)目
        1.5.2 章節(jié)內(nèi)容
第二章 相關(guān)理論知識(shí)
    2.1 引言
    2.2 粒子濾波理論
        2.2.1 仿射變換
    2.3 稀疏表示
        2.3.1 融入稀疏表示思想的目標(biāo)跟蹤算法
    2.4 相關(guān)濾波理論
        2.4.1 MOSSE濾波器
        2.4.2 KCF濾波器
    2.5 本章小結(jié)
第三章 基于稀疏表示的多外觀模型融合目標(biāo)跟蹤
    3.1 引言
    3.2 算法實(shí)現(xiàn)
        3.2.1 全局稀疏外觀模型
        3.2.2 局部稀疏外觀模型
        3.2.3 多外觀模型融合
        3.2.4 模型更新
    3.3 實(shí)驗(yàn)結(jié)果與分析
        3.3.1 定性評(píng)估
        3.3.2 定量評(píng)估
    3.4 本章小結(jié)
第四章 一種極坐標(biāo)下尺度不變性的目標(biāo)跟蹤方法
    4.1 引言
    4.2 算法實(shí)現(xiàn)
        4.2.1 平移預(yù)測(cè)
        4.2.2 尺度估計(jì)
        4.2.3 模型更新
    4.3 實(shí)驗(yàn)結(jié)果與分析
        4.3.1 定性評(píng)估
        4.3.2 定量評(píng)估
    4.4 本章小結(jié)
結(jié)論和展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間參與的科研項(xiàng)目和取得的學(xué)術(shù)成果
致謝



本文編號(hào)：3886085