本文關(guān)鍵詞：基于壓縮感知的目標(biāo)跟蹤算法研究　出處：《北方民族大學(xué)》2016年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 目標(biāo)跟蹤 壓縮感知 多尺度 樸素貝葉斯分類器 置信度

【摘要】：目標(biāo)跟蹤已成為當(dāng)前計(jì)算機(jī)視覺中的研究熱點(diǎn)課題之一.目標(biāo)跟蹤無論是在科學(xué)研究還是工程應(yīng)用方面都備受關(guān)注,目標(biāo)跟蹤技術(shù)被廣泛應(yīng)用于各個(gè)領(lǐng)域,如:導(dǎo)彈系統(tǒng),無人機(jī)導(dǎo)航系統(tǒng)等.本文通過對(duì)壓縮感知理論和目標(biāo)跟蹤相關(guān)技術(shù)的深入學(xué)習(xí),期望找到一種穩(wěn)定性好且有效性高的跟蹤算法.具體研究的內(nèi)容如下:(1)基于壓縮感知的在線多示例學(xué)習(xí)目標(biāo)跟蹤算法,先對(duì)提取的多尺度圖像特征進(jìn)行降維,然后用在線多示例學(xué)習(xí)分類器分類降維后的特征,并實(shí)時(shí)地在線更新分類器,目標(biāo)的稀疏表示方法與多示例學(xué)習(xí)分類器的結(jié)合,提高了目標(biāo)跟蹤算法的精度,處理了模板漂移的現(xiàn)象.(2)實(shí)時(shí)壓縮感知跟蹤算法,算法思想如下:首先對(duì)多尺度圖像特征使用滿足RIP條件的隨機(jī)測(cè)量矩陣進(jìn)行降維,得到一個(gè)壓縮的低維子空間,然后通過簡(jiǎn)單的樸素貝葉斯分類器對(duì)降維后的特征進(jìn)行分類.該跟蹤算法雖然簡(jiǎn)單,但實(shí)驗(yàn)結(jié)果表明魯棒性得到很好地體現(xiàn),其速率能達(dá)到將近40幀/秒.(3)針對(duì)現(xiàn)有在線學(xué)習(xí)跟蹤算法中目標(biāo)在線模型更新錯(cuò)誤造成跟蹤漂移的現(xiàn)象,本文提出了一種自適應(yīng)更新在線模型的目標(biāo)跟蹤算法:首先采取壓縮感知技術(shù)的高效性,對(duì)多尺度圖像特征進(jìn)行降維,并提取多尺度樣本來實(shí)現(xiàn)目標(biāo)尺度自適應(yīng)更新,再由提取的正負(fù)樣本低維圖像特征訓(xùn)練樸素貝葉斯分類器,利用分類器輸出置信度最大處的目標(biāo)樣本,并按照那時(shí)的目標(biāo)置信度自適應(yīng)地對(duì)在線模型進(jìn)行更新,減少了遮擋帶來的目標(biāo)錯(cuò)誤更新.實(shí)驗(yàn)表明:該方法在尺度變化,局部和全局遮擋,光照等情況下都能很好地跟蹤,跟蹤成功率的平均值和最初的CT算法相比提高了20.3%.
【學(xué)位授予單位】：北方民族大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 張麗娟;紀(jì)峰;常霞;李澤仁;;遮擋情況下多尺度壓縮感知跟蹤[J];紅外技術(shù);2015年12期

2 翟亮亮;寧紀(jì)鋒;;基于局部敏感直方圖的分布場(chǎng)跟蹤算法研究[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年06期

3 付秀明;嚴(yán)中紅;;非剛性運(yùn)動(dòng)目標(biāo)識(shí)別跟蹤研究現(xiàn)狀[J];重慶理工大學(xué)學(xué)報(bào)(自然科學(xué));2015年04期

4 周治平;施小鳳;;基于超像素的目標(biāo)跟蹤方法研究[J];光電工程;2013年12期

5 吳成東;劉o，

本文編號(hào)：1328640