發(fā)布時(shí)間：2017-05-13 08:15

  本文關(guān)鍵詞：基于多尺度多特征模板集和自適應(yīng)動(dòng)態(tài)模型的物體跟蹤算法，，由筆耕文化傳播整理發(fā)布。

【摘要】：物體跟蹤是計(jì)算機(jī)視覺(jué)領(lǐng)域的重要研究方向之一,其研究成果已被廣泛應(yīng)用于視頻監(jiān)控、人機(jī)交互和視頻壓縮編碼等多個(gè)研究領(lǐng)域,具有重大研究?jī)r(jià)值。但由于物體跟蹤算法在真實(shí)的跟蹤場(chǎng)景中不可避免地會(huì)遇到環(huán)境光照變化、物體尺度變化、物體被遮擋和物體旋轉(zhuǎn)等多種干擾因素,較難適應(yīng)廣泛的應(yīng)用,如何提高跟蹤算法的跟蹤準(zhǔn)確率和魯棒性仍是該領(lǐng)域的難題之一。本文重點(diǎn)對(duì)跟蹤領(lǐng)域中的物體表征模型和物體運(yùn)動(dòng)預(yù)估兩方面進(jìn)行了研究,分別提出了基于多尺度多特征模板集的跟蹤算法和基于自適應(yīng)動(dòng)態(tài)模型的跟蹤算法。在物體表征模型方面,本文首先提出了基于多尺度多特征模板集的跟蹤算法。該算法使用一組三層四叉樹結(jié)構(gòu)的模板集來(lái)描述待跟蹤物體,以綜合利用物體的高層、中間層和底層的全部視覺(jué)信息。模板集中每一個(gè)模板均表示物體的一部分,對(duì)于每個(gè)模板所表示的區(qū)域,本算法均會(huì)對(duì)其提取多種視覺(jué)特征,從而得到物體的紋理信息、顏色信息、強(qiáng)度信息和邊緣信息等視覺(jué)描述。本文還提出了一種基于信息映射原理的生成式學(xué)習(xí)算法,通過(guò)最大化目標(biāo)物體的潛在概率分布與跟蹤背景的概率分布的差異,以確定模板集中每個(gè)模板的模板權(quán)值以及其中不同特征的特征權(quán)值。實(shí)驗(yàn)結(jié)果表明,本文提出的多尺度多特征模板集表征模型在用于跟蹤算法后,可以提高算法的跟蹤準(zhǔn)確率,同時(shí)在嘈雜背景、物體旋轉(zhuǎn)和運(yùn)動(dòng)模糊等干擾因素下具有較高的魯棒性。本算法的跟蹤準(zhǔn)確率在現(xiàn)有最全面的跟蹤數(shù)據(jù)集上取得了最好值,比CVPR 2012中提出的多種跟蹤算法有0.7至7.2個(gè)百分點(diǎn)的準(zhǔn)確率提升。在物體運(yùn)動(dòng)預(yù)估方面,本文提出了基于自適應(yīng)動(dòng)態(tài)模型的跟蹤算法。為提高跟蹤算法運(yùn)動(dòng)預(yù)估環(huán)節(jié)的準(zhǔn)確率和魯棒性,本算法在一階粒子濾波模型的基礎(chǔ)上,引入了一階動(dòng)態(tài)預(yù)估模型的自適應(yīng)退化算法,退化后的預(yù)估模型采用隨機(jī)漫步模型。算法會(huì)根據(jù)一階動(dòng)態(tài)模型的預(yù)測(cè)準(zhǔn)確率,自適應(yīng)的確定模型的退化程度,以及兩種預(yù)估模型的相關(guān)參數(shù)。其中模型的退化程度由一階動(dòng)態(tài)模型和隨機(jī)漫步模型中各包含多少粒子來(lái)體現(xiàn),而自適應(yīng)改變的參數(shù)主要是兩種系統(tǒng)中演化噪聲的方差值。實(shí)驗(yàn)結(jié)果表明,本文提出的自適應(yīng)動(dòng)態(tài)模型在用于跟蹤算法后,比傳統(tǒng)的一階動(dòng)態(tài)模型具有更高的準(zhǔn)確率和抗干擾能力。在將該運(yùn)動(dòng)預(yù)估模型和本文提出的多尺度多特征模板集物體表征模型進(jìn)行結(jié)合后,可提高跟蹤算法的跟蹤準(zhǔn)確率(比單純的一階動(dòng)態(tài)模型提高6.6%),且相比金字塔查找算法具有更高的物體檢測(cè)計(jì)算效率。
【關(guān)鍵詞】：物體跟蹤 物體表征模型 多尺度 多特征 自適應(yīng)模型 粒子濾波
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41
【目錄】：

• 摘要5-7
• ABSTRACT7-15
• 第一章 緒論15-21
• 1.1 研究目的和意義15-16
• 1.2 物體跟蹤技術(shù)研究現(xiàn)狀16-19
• 1.2.1 現(xiàn)有跟蹤算法中的物體表征方法17-18
• 1.2.2 現(xiàn)有跟蹤算法中的運(yùn)動(dòng)預(yù)估方法18-19
• 1.3 本文研究?jī)?nèi)容19-21
• 第二章 物體跟蹤技術(shù)基礎(chǔ)21-37
• 2.1 基于混合模板的物體跟蹤算法21-25
• 2.1.1 算法背景和研究動(dòng)機(jī)21-22
• 2.1.2 基于混合模板跟蹤算法的核心思想22-23
• 2.1.3 基于混合模板的跟蹤算法流程23-25
• 2.1.4 對(duì)基于混合模板跟蹤算法的討論25
• 2.2 基于壓縮感知的跟蹤算法25-28
• 2.2.1 壓縮感知算法簡(jiǎn)介25-26
• 2.2.2 壓縮感知算法在物體跟蹤領(lǐng)域的應(yīng)用26-27
• 2.2.3 對(duì)基于壓縮感知的跟蹤算法的討論27-28
• 2.3 基于粒子濾波的跟蹤算法28-35
• 2.3.1 粒子濾波算法理論基礎(chǔ)28-33
• 2.3.2 粒子濾波算法在物體跟蹤領(lǐng)域的應(yīng)用33-34
• 2.3.3 對(duì)基于粒子濾波的跟蹤算法的討論34-35
• 2.4 現(xiàn)有跟蹤算法的對(duì)比35-36
• 2.5 本章小結(jié)36-37
• 第三章 基于多尺度多特征模板集的物體跟蹤算法37-75
• 3.1 算法核心思想37-39
• 3.2 算法原理39-44
• 3.2.1 算法整體流程39-40
• 3.2.2 學(xué)習(xí)物體表征模型40-42
• 3.2.3 物體檢測(cè)流程42-44
• 3.3 算法實(shí)現(xiàn)44-63
• 3.3.1 系統(tǒng)初始化44-45
• 3.3.2 模板集生成45-47
• 3.3.3 正負(fù)樣本選取47-48
• 3.3.4 特征提取算法48-56
• 3.3.5 模板原型生成56
• 3.3.6 特征匹配56-57
• 3.3.7 模板參數(shù)訓(xùn)練算法57-61
• 3.3.8 物體檢測(cè)算法61-62
• 3.3.9 模板更新算法62-63
• 3.4 實(shí)驗(yàn)結(jié)果及分析63-74
• 3.4.1 實(shí)驗(yàn)參數(shù)與環(huán)境63
• 3.4.2 實(shí)驗(yàn)數(shù)據(jù)集及評(píng)判標(biāo)準(zhǔn)63-64
• 3.4.3 實(shí)驗(yàn)結(jié)果分析64-66
• 3.4.4 不同干擾因素下的實(shí)驗(yàn)結(jié)果分析66-74
• 3.5 本章小結(jié)74-75
• 第四章 基于自適應(yīng)動(dòng)態(tài)模型的跟蹤算法75-95
• 4.1 算法核心思想75-76
• 4.2 算法原理76-78
• 4.3 算法實(shí)現(xiàn)78-85
• 4.3.1 系統(tǒng)初始化及輸入78-79
• 4.3.2 粒子更新79-83
• 4.3.3 粒子打分與權(quán)值計(jì)算83-84
• 4.3.4 物體判定84-85
• 4.3.5 預(yù)測(cè)效果判定85
• 4.3.6 粒子重采樣85
• 4.4 實(shí)驗(yàn)結(jié)果及分析85-93
• 4.4.1 實(shí)驗(yàn)參數(shù)與環(huán)境85-86
• 4.4.2 實(shí)驗(yàn)結(jié)果分析86-88
• 4.4.3 不同干擾因素下的實(shí)驗(yàn)結(jié)果分析88-93
• 4.5 本章小結(jié)93-95
• 第五章 總結(jié)與展望95-98
• 5.1 全文工作總結(jié)95-97
• 5.2 未來(lái)工作展望97-98
• 參考文獻(xiàn)98-107
• 致謝107-108
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文108

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 歐光軍,邵祖峰,張子剛;基于知識(shí)創(chuàng)造的產(chǎn)品創(chuàng)新動(dòng)態(tài)模型及管理機(jī)制研究[J];科學(xué)管理研究;2005年03期

2 言茂松;透平動(dòng)態(tài)模型的誤差評(píng)價(jià)及其校正方法的分析[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);1964年03期

3 周波,涂植英;換熱器動(dòng)態(tài)模型的辨識(shí)[J];數(shù)據(jù)采集與處理;1989年01期

4 羅高榮;;電力系統(tǒng)投資決策動(dòng)態(tài)模型的研究[J];自動(dòng)化學(xué)報(bào);1991年01期

5 周懋選，邢軍;利用計(jì)算機(jī)技術(shù)實(shí)現(xiàn)灰色動(dòng)態(tài)模型對(duì)保險(xiǎn)企業(yè)的預(yù)測(cè)[J];中國(guó)金融電腦;1995年03期

6 袁愛(ài)清;;幸福感視野下觀影養(yǎng)心的相關(guān)理論及動(dòng)態(tài)模型探析[J];東南傳播;2014年04期

7 江韜;;一種線性動(dòng)態(tài)模型參數(shù)估計(jì)方法[J];自動(dòng)化學(xué)報(bào);1989年01期

8 焦國(guó)全;;用液電效應(yīng)建立系統(tǒng)傳遞函數(shù)的方法[J];自動(dòng)化學(xué)報(bào);1984年04期

9 王水,蔣清華;生產(chǎn)決策系統(tǒng)的動(dòng)態(tài)模型及性能控制[J];信息與控制;1991年01期

10 唐俊,羅云峰,陳s

本文編號(hào)：362027