發(fā)布時(shí)間：2017-07-16 08:05

  本文關(guān)鍵詞：基于顯著性檢測和壓縮感知的視覺跟蹤

  更多相關(guān)文章： 視覺跟蹤 視覺顯著圖 壓縮感知 KL距離 學(xué)習(xí)速率

【摘要】：視覺跟蹤作為計(jì)算機(jī)視覺領(lǐng)域的基礎(chǔ)性研究熱點(diǎn),具有廣泛的實(shí)際應(yīng)用意義。但是現(xiàn)有的跟蹤算法仍存在很多缺點(diǎn),本文針對(duì)視覺跟蹤存在的技術(shù)難點(diǎn),做出了以下幾方面的工作:首先,系統(tǒng)的闡述了不同跟蹤算法和視覺注意模型的實(shí)現(xiàn)原理,并且分析了其優(yōu)缺點(diǎn)。根據(jù)人類視覺認(rèn)知機(jī)制建立計(jì)算機(jī)模型,并檢測圖像中的視覺顯著區(qū)域。重點(diǎn)研究了頻域算法實(shí)現(xiàn),為后續(xù)視覺跟蹤特征選擇和跟蹤的穩(wěn)定性優(yōu)化提供理論依據(jù)。其次,基于視覺顯著原目標(biāo)估計(jì)預(yù)測目標(biāo)運(yùn)動(dòng)狀態(tài),采用視覺原目標(biāo)描述真實(shí)目標(biāo)的顯著假設(shè)區(qū)域,結(jié)合目標(biāo)中心附近區(qū)域的視覺顯著值檢測視覺顯著原目標(biāo),建立圖像視覺原目標(biāo)與跟蹤目標(biāo)間的聯(lián)合后驗(yàn)分布,根據(jù)吉布斯采樣原理優(yōu)化逼近此分布模型,最后根據(jù)MAP(最大后驗(yàn)概率)算法得到最優(yōu)的目標(biāo)中心位置估計(jì)。再次,針對(duì)傳統(tǒng)均值漂移算法單一特征描述的不足,提出一種基于視覺顯著性特征的自適應(yīng)目標(biāo)跟蹤算法。該算法基于頻域?yàn)V波原理檢測目標(biāo)視覺顯著圖,結(jié)合顏色特征和視覺顯著性特征描述目標(biāo)模型,并根據(jù)相似系數(shù)的大小自適應(yīng)的調(diào)節(jié)轉(zhuǎn)移向量融合權(quán)值,有效的克服了跟蹤不穩(wěn)定性和背景融合干擾,提高復(fù)雜背景下目標(biāo)跟蹤的準(zhǔn)確性。最后,針對(duì)Real-time CT算法中弱分類器學(xué)習(xí)速率恒定,當(dāng)目標(biāo)快速運(yùn)動(dòng)或目標(biāo)發(fā)生較大變化時(shí),容易出現(xiàn)目標(biāo)漂移甚至丟失的問題,提出一種自適應(yīng)調(diào)節(jié)學(xué)習(xí)速率的目標(biāo)跟蹤算法。采用特征加權(quán)壓縮感知隨機(jī)稀疏矩陣提取目標(biāo)特征,基于樣本類條件分布的對(duì)稱KL距離自適應(yīng)確定弱分類器的學(xué)習(xí)速率,采用樸素貝葉斯分類器預(yù)測下一幀中目標(biāo)中心位置。實(shí)驗(yàn)證明,該算法在目標(biāo)快速運(yùn)動(dòng)和遮擋情況下,能夠有效跟蹤目標(biāo)且魯棒性較好。
【關(guān)鍵詞】：視覺跟蹤 視覺顯著圖 壓縮感知 KL距離 學(xué)習(xí)速率
【學(xué)位授予單位】：南京航空航天大學(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4-5
• abstract5-10
• 注釋表10-11
• 縮略詞11-12
• 第一章 緒論12-19
• 1.1 引言12
• 1.2 選題背景及意義12-14
• 1.3 視覺跟蹤技術(shù)難題14-15
• 1.4 國內(nèi)外研究現(xiàn)狀15-17
• 1.5 本文的主要內(nèi)容17-19
• 第二章 視覺跟蹤算法與視覺顯著檢測模型19-28
• 2.1 引言19
• 2.2 視覺跟蹤算法19-22
• 2.2.1 基于模型驅(qū)動(dòng)的跟蹤算法19-21
• 2.2.2 基于數(shù)據(jù)驅(qū)動(dòng)的跟蹤算法21-22
• 2.3 視覺注意模型介紹22-27
• 2.3.1 視覺認(rèn)知模型22-24
• 2.3.2 判別注意模型24-25
• 2.3.3 頻域模型25-27
• 2.4 本章小結(jié)27-28
• 第三章 基于視覺顯著原目標(biāo)的跟蹤算法28-37
• 3.1 引言28
• 3.2 視覺顯著性原始目標(biāo)檢測28-29
• 3.3 基于視覺顯著原目標(biāo)跟蹤算法29-33
• 3.3.1 目標(biāo)聯(lián)合分布模型30-31
• 3.3.2 基于吉布斯采樣的目標(biāo)跟蹤31-33
• 3.3.3 算法流程33
• 3.4 實(shí)驗(yàn)結(jié)果與分析33-36
• 3.5 本章小結(jié)36-37
• 第四章 基于視覺顯著性特征的自適應(yīng)目標(biāo)跟蹤37-48
• 4.1 引言37
• 4.2 圖像底層顏色特征37-38
• 4.2.1 顏色特征37-38
• 4.2.2 顏色特征直方圖38
• 4.3 視覺顯著性特征38-41
• 4.3.1 視覺顯著圖檢測39-40
• 4.3.2 視覺顯著性特征40-41
• 4.4 基于視覺顯著性特征的自適應(yīng)目標(biāo)跟蹤41-43
• 4.4.1 視覺顯著性特征融合算法41-42
• 4.4.2 跟蹤算法流程42-43
• 4.5 實(shí)驗(yàn)結(jié)果與分析43-47
• 4.5.1 人臉視頻序列跟蹤實(shí)驗(yàn)43-45
• 4.5.2 飛機(jī)模型運(yùn)動(dòng)跟蹤實(shí)驗(yàn)45-47
• 4.6 本章小結(jié)47-48
• 第五章 基于特征加權(quán)的自適應(yīng)壓縮感知目標(biāo)跟蹤48-63
• 5.1 引言48
• 5.2 基于檢測的目標(biāo)跟蹤算法48-51
• 5.2.1 實(shí)時(shí)On-line Boosting算法介紹49-50
• 5.2.2 多示例學(xué)習(xí)算法介紹50-51
• 5.3 壓縮感知理論原理51-52
• 5.3.1 信號(hào)的稀疏表示51-52
• 5.3.2 設(shè)計(jì)測量矩陣與信號(hào)重構(gòu)52
• 5.4 基于特征加權(quán)的自適應(yīng)壓縮感知目標(biāo)跟蹤算法52-57
• 5.4.1 基于加權(quán)的壓縮感知特征提取52-54
• 5.4.2 壓縮感知目標(biāo)跟蹤算法54-55
• 5.4.3 弱分類器自適應(yīng)學(xué)習(xí)55-56
• 5.4.4 跟蹤算法流程56-57
• 5.5 實(shí)驗(yàn)結(jié)果與分析57-61
• 5.6 本章小結(jié)61-63
• 第六章 總結(jié)與展望63-66
• 6.1 本文總結(jié)63-64
• 6.2 不足之處與展望64-66
• 參考文獻(xiàn)66-70
• 致謝70-71
• 在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文71

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 史衛(wèi)民;王慶敏;劉秋紅;陳勇;姚永杰;;視覺跟蹤技術(shù)及其應(yīng)用的研究進(jìn)展[J];海軍醫(yī)學(xué)雜志;2014年01期

2 侯志強(qiáng);韓崇昭;;視覺跟蹤技術(shù)綜述[J];自動(dòng)化學(xué)報(bào);2006年04期

3 王哲;;視覺跟蹤 用眼睛使用的“鼠標(biāo)”[J];電腦愛好者;2007年07期

4 張進(jìn);;視覺跟蹤技術(shù)發(fā)展和難點(diǎn)問題的分析[J];信息技術(shù)與信息化;2008年06期

5 李谷全;陳忠澤;;視覺跟蹤技術(shù)研究現(xiàn)狀及其展望[J];計(jì)算機(jī)應(yīng)用研究;2010年08期

6 劉鐵根,蔡懷宇,張以謨,路登平,胡繩蓀,張鳳林;一種埋弧焊視覺跟蹤系統(tǒng)(英文)[J];光電工程;1999年06期

7 李偉;吳瑰麗;王猛;;視覺跟蹤算法的研究進(jìn)展[J];石家莊鐵路職業(yè)技術(shù)學(xué)院學(xué)報(bào);2013年03期

8 劉洋;李玉山;張大樸;邱家濤;;基于動(dòng)態(tài)目標(biāo)建模的粒子濾波視覺跟蹤算法[J];光子學(xué)報(bào);2008年02期

9 張國亮;謝宗武;蔣再男;王捷;劉宏;;模糊化多視覺信息融合的視覺跟蹤策略[J];西安交通大學(xué)學(xué)報(bào);2009年08期

10 楊戈;劉宏;;視覺跟蹤算法綜述[J];智能系統(tǒng)學(xué)報(bào);2010年02期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前2條

1 呂玉生;趙杰煜;;具有視覺跟蹤的中英文語音動(dòng)畫系統(tǒng)[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

2 李善青;賈云得;柳陽;;一種用于穿戴計(jì)算的指示手勢視覺跟蹤方法[A];第三屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2007）論文集[C];2007年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前9條

1 王法勝;復(fù)雜場景下的單目標(biāo)視覺跟蹤算法研究[D];大連海事大學(xué);2014年

2 徐蕭蕭;基于特征學(xué)習(xí)與特征聯(lián)想的視覺跟蹤算法研究[D];中國科學(xué)技術(shù)大學(xué);2010年

3 王其聰;復(fù)雜觀測條件下的基于粒子濾波的視覺跟蹤[D];浙江大學(xué);2007年

4 夏瑜;視覺跟蹤新方法及其應(yīng)用研究[D];江南大學(xué);2013年

5 王芳林;穩(wěn)健視覺跟蹤算法中的關(guān)鍵問題研究[D];上海交通大學(xué);2009年

6 溫靜;基于張量子空間學(xué)習(xí)的視覺跟蹤方法研究[D];西安電子科技大學(xué);2010年

7 蘇潔;光照變化下的視覺跟蹤算法研究[D];哈爾濱工程大學(xué);2010年

8 王棟;基于線性表示模型的在線視覺跟蹤算法研究[D];大連理工大學(xué);2013年

9 代江華;粒子濾波架構(gòu)下視覺目標(biāo)跟蹤相關(guān)技術(shù)研究[D];華中科技大學(xué);2014年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 郭標(biāo);焊縫視覺跟蹤系統(tǒng)設(shè)計(jì)[D];西南交通大學(xué);2015年

2 張瑞;基于貝葉斯估計(jì)的視覺跟蹤算法研究[D];福建師范大學(xué);2015年

3 祝寶龍;基于視覺跟蹤技術(shù)的眼控鼠標(biāo)研究[D];哈爾濱工業(yè)大學(xué);2015年

4 劉養(yǎng)彪;運(yùn)動(dòng)模糊下的視覺跟蹤算法研究[D];北京理工大學(xué);2015年

5 向秀娟;基于視覺跟蹤的移動(dòng)機(jī)器人定位研究[D];新疆大學(xué);2015年

6 張勁;基于在線隱變量支持向量機(jī)的尺度自適應(yīng)視覺跟蹤[D];西安電子科技大學(xué);2014年

7 范曲;復(fù)雜場景下運(yùn)動(dòng)目標(biāo)的視覺跟蹤方法研究[D];重慶大學(xué);2015年

8 孟凡帥;面向物料輸送過程狀態(tài)監(jiān)控與故障報(bào)警的視覺跟蹤技術(shù)的研究[D];河北工業(yè)大學(xué);2015年

9 張欣;基于粒子濾波的視覺跟蹤算法的FPGA實(shí)現(xiàn)[D];北京理工大學(xué);2016年

10 黃梁華;基于張量表達(dá)的視覺跟蹤算法研究[D];北京理工大學(xué);2016年

，

本文編號(hào)：547687