資源描述：
《基于稀疏表示的目標(biāo)跟蹤算法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、學(xué)校代碼10530學(xué)號201510171801分類號TP391密級公開碩士學(xué)位論文基于稀疏表示的目標(biāo)跟蹤算法研究學(xué)位申請人邵豪指導(dǎo)教師張瑩副教授學(xué)院名稱信息工程學(xué)院學(xué)科專業(yè)控制科學(xué)與工程研究方向機(jī)器視覺與智能信息處理二○一八年六月四日IResearchonTargetTrackingAlgorithmBasedonSparseRepresentationCandidateShaoHaoSupervisorAssociateProf.ZhangYingCollegeCollegeofInformationEngineeringProgramCo
2、ntrolScienceandEngineeringSpecializationMachinevisionandintelligentinformationprocessingDegreeMasterofEngineeringUniversityXiangtanUniversityDateJun,2018IIIII摘要目標(biāo)跟蹤就是在連續(xù)的視頻序列中，建立所要跟蹤物體的位置關(guān)系，得到物體完整的運(yùn)動軌跡，目前廣泛應(yīng)用于軍事導(dǎo)航、城市智能交通管控、視頻監(jiān)控以及人機(jī)交互等方面。在目標(biāo)運(yùn)動的過程中，會出現(xiàn)姿態(tài)或形狀的變化、尺度的變化、背景遮擋或光線亮度
3、的變化等情況，降低了跟蹤算法的準(zhǔn)確率，構(gòu)建一個性能高效、穩(wěn)定的適應(yīng)強(qiáng)的追蹤算法是當(dāng)前跟蹤領(lǐng)域的一大難題。為解決目標(biāo)跟蹤過程中出現(xiàn)的目標(biāo)丟失及提高跟蹤效率，本文做了以下研究：（1）為提高計算速率，減小背景信息的干擾并增強(qiáng)稀疏表示跟蹤模型性能，提出了一種利用分段加權(quán)函數(shù)構(gòu)建的反向稀疏跟蹤算法，將跟蹤問題轉(zhuǎn)化為在貝葉斯框架下尋找概率最高的候選對象問題，通過構(gòu)造不同的分段權(quán)重函數(shù)分別度量候選目標(biāo)與正負(fù)模板的判別特征系數(shù)。利用池化降低跟蹤結(jié)果的不確定性干擾，選擇正模板與負(fù)模板相減得到的最大差值系數(shù)所對應(yīng)的候選表示作為當(dāng)前跟蹤結(jié)果。4種視頻序列實驗測試都
4、取得了較好的跟蹤效果。（2）針對局部信息未利用、沒有充分利用背景、前景比對信息、現(xiàn)有算法在復(fù)雜環(huán)境下區(qū)分目標(biāo)與背景能力偏低的問題，提出了一種基于改進(jìn)AdaBoost強(qiáng)分類器的目標(biāo)跟蹤算法，將局部圖像塊用于判別模型跟蹤，能更好地區(qū)分目標(biāo)和背景，實現(xiàn)更準(zhǔn)確的目標(biāo)跟蹤。試驗證明，算法跟蹤性能較優(yōu)。本文對基于稀疏表示的目標(biāo)跟蹤進(jìn)行了總結(jié)和深入研究，在一定程度上提高了目標(biāo)跟蹤的準(zhǔn)確性，但如何將算法推廣到多目標(biāo)跟蹤應(yīng)用中，提高現(xiàn)有跟蹤算法的魯棒性，還需進(jìn)一步研究。關(guān)鍵詞：反向稀疏；分段加權(quán)；adaboost；判別模型；目標(biāo)跟蹤IVAbstractTarg
5、ettrackingistoestablishthepositionrelationshipoftheobjectstobetrackedinacontinuousvideosequenceandtoobtainthecompletetrajectoryoftheobject.Currently,itiswidelyusedinmilitarynavigation,urbanintelligenttrafficcontrol,videosurveillance,andhuman-computerinteraction.Intheprocess
6、oftargetmovement,therewillbechangesinpostureorshape,scalechanges,backgroundocclusionorchangesinlightbrightness,etc.,whichreducestheaccuracyofthetrackingalgorithm,sobuildingahighlyefficientandstableadaptivetrackingalgorithmisamajorprobleminthefieldofcurrenttracking.Inorderto
7、solvetheproblemoftargetlossandimprovetrackingefficiencyintrackingprocess,thefollowingstudieshavebeendone:(1)Toimprovethecalculationrate,reducetheinterferenceofbackgroundinformationandenhancetheperformanceofsparserepresentationtrackingmodel,ananti-sparsetrackingalgorithmcons
8、tructedusingapiecewiseweightingfunctionisproposed,Thisalgorithmconvertsthetracking
