本文選題：機(jī)器學(xué)習(xí) + 三角剖分��； 參考：《長(zhǎng)春理工大學(xué)》2017年碩士論文

【摘要】：在智能視頻檢測(cè)系統(tǒng)中,目標(biāo)車輛的正確識(shí)別并跟蹤是智能交通系統(tǒng)的主要功能,在機(jī)器學(xué)習(xí)框架下,作為視頻監(jiān)控中最基礎(chǔ)的部分——目標(biāo)檢測(cè)與跟蹤。將目標(biāo)跟蹤問(wèn)題視為機(jī)器學(xué)習(xí)中的二分類問(wèn)題,通過(guò)機(jī)器學(xué)習(xí)找到合適的特征以及恰當(dāng)?shù)姆诸惸Ｊ?進(jìn)而實(shí)現(xiàn)對(duì)目標(biāo)的高效跟蹤。目標(biāo)跟蹤存在幾種主要問(wèn)題:場(chǎng)景中運(yùn)動(dòng)目標(biāo)對(duì)跟蹤目標(biāo)產(chǎn)生干擾、相近目標(biāo)之間遮擋、自身陰影以及目標(biāo)的姿態(tài)變化,都會(huì)對(duì)目標(biāo)的正確跟蹤產(chǎn)生較大的影響。針對(duì)以上問(wèn)題,引入機(jī)器學(xué)習(xí)手段,通過(guò)對(duì)傳統(tǒng)算法改進(jìn),提高目標(biāo)跟蹤的實(shí)時(shí)性,準(zhǔn)確度和魯棒性,本論文根據(jù)已有算法的優(yōu)缺點(diǎn),以提高目標(biāo)跟蹤算法綜合性能為目的。主要的研究工作包括兩方面:設(shè)計(jì)并實(shí)現(xiàn)兩種算法,一是利用圖模型——三角剖分方法對(duì)輸入圖像劃分網(wǎng)格,將目標(biāo)與背景分離,提取出的目標(biāo)角點(diǎn)能量特征,將特征向量化作為改進(jìn)SVM分類器正負(fù)樣本,根據(jù)分類結(jié)果學(xué)習(xí)最優(yōu)的分類器參數(shù),實(shí)現(xiàn)目標(biāo)跟蹤。二是基于深度學(xué)習(xí)理論,構(gòu)建深度自編碼學(xué)習(xí)網(wǎng)絡(luò),將目標(biāo)車輛像素級(jí)別特征聚合成為結(jié)構(gòu)化特征,訓(xùn)練網(wǎng)絡(luò)以及分類權(quán)值,根據(jù)后續(xù)測(cè)試樣本進(jìn)行參數(shù)微調(diào)以及權(quán)值更新,使得復(fù)雜條件下并受到遮擋的目標(biāo)跟蹤正確率有效提升。
[Abstract]:in that intelligent video detection system , the correct recognition and follow - up of the target vehicle is the main function of the intelligent traffic system .

【學(xué)位授予單位】：長(zhǎng)春理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41;TP181

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 程帥;曹永剛;孫俊喜;趙立榮;劉廣文;韓廣良;;基于增強(qiáng)群跟蹤器和深度學(xué)習(xí)的目標(biāo)跟蹤[J];電子與信息學(xué)報(bào);2015年07期

2 莊福振;羅平;何清;史忠植;;遷移學(xué)習(xí)研究進(jìn)展[J];軟件學(xué)報(bào);2015年01期

3 鄭胤;陳權(quán)崎;章毓晉;;深度學(xué)習(xí)及其在目標(biāo)和行為識(shí)別中的新進(jìn)展[J];中國(guó)圖象圖形學(xué)報(bào);2014年02期

，

本文編號(hào)：1732129