資源描述:
《視頻中運(yùn)動(dòng)目標(biāo)的跟蹤方法研究》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、分類號(hào)密級(jí)碩士學(xué)位論文題目:視頻中運(yùn)動(dòng)目標(biāo)的跟蹤方法研究英文并列題目:ResearchofMovingObjectTrackinginVideo研究生:張雷專業(yè):信號(hào)與信息處理研究方向:圖像與視頻信號(hào)分析處理導(dǎo)師:于鳳芹教授指導(dǎo)小組成員:學(xué)位授予日期:2016年6月答辯委員會(huì)主席:楊慧中江南大學(xué)地址:無(wú)錫市蠡湖大道1800號(hào)二○一六年六月巧創(chuàng)性角巧,本人聲巧所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研巧工作及取得的硏究成果。盡我所知,驗(yàn)了文中特別加W驚注和致謝的地,也不枯含方外I論文中不包含其他人己經(jīng)發(fā)表或澳寫(xiě)過(guò)的研巧成果本人為獲得江南大
2、學(xué)或其它巧育機(jī)構(gòu)的學(xué)位或證書(shū)而使巧過(guò)的材料。與我一同工作的同志對(duì)本研究巧化的任何貢獻(xiàn)均己在論文中作了明確的說(shuō)巧并表示謝意。《克:k慶日期:如由年^月3日關(guān)于論文使用授權(quán)的巧明本學(xué)位論文作者完全了解江南大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定:江南大學(xué)有巧保留并向國(guó)家有關(guān)部11或機(jī)構(gòu)送交論文的復(fù)印件和獲盤(pán),允許論文被査巧和借閱,可W將學(xué)位論文的全部或部分內(nèi)容編、入有關(guān)數(shù)據(jù)庫(kù)進(jìn)巧檢索,可科采用影印、縮印或掃描等復(fù)制手段保存一匯編學(xué)位論文內(nèi)容相致。,并島本人電子文爸的內(nèi)容和泌巧論文的保巧的學(xué)泣論文在褲密后也進(jìn)守此規(guī)定,巧名
3、:k廣導(dǎo)師簽名:氣■日期:貧4年(月3日摘要摘要運(yùn)動(dòng)目標(biāo)跟蹤是在連續(xù)圖像序列中不斷對(duì)初始幀中所確定的目標(biāo)進(jìn)行狀態(tài)預(yù)測(cè)的過(guò)程。目標(biāo)跟蹤是計(jì)算機(jī)視覺(jué)領(lǐng)域的研究熱門(mén),其在視頻監(jiān)控、自動(dòng)導(dǎo)航、人機(jī)交互、增強(qiáng)現(xiàn)實(shí)、醫(yī)學(xué)成像等諸多方面有所應(yīng)用。然而在現(xiàn)實(shí)場(chǎng)景中,受到光照變化、目標(biāo)遮擋、目標(biāo)旋轉(zhuǎn)、姿態(tài)變化、背景干擾等因素的影響,使得目標(biāo)跟蹤仍然是一個(gè)具有挑戰(zhàn)性并且有意義的研究課題。本文針對(duì)構(gòu)建有效目標(biāo)外觀模型、應(yīng)對(duì)快速運(yùn)動(dòng)、判斷目標(biāo)遮擋、適應(yīng)尺度變化、排除干擾項(xiàng)以及模型更新機(jī)制進(jìn)行了研究,具體的研究工作如下:1、針對(duì)時(shí)空上下文跟蹤因目標(biāo)快速移動(dòng)或遮擋
4、易發(fā)生漂移,利用此時(shí)真實(shí)目標(biāo)保持較大置信值且目標(biāo)會(huì)出現(xiàn)在旁峰或主峰附近的特性,提出基于置信圖特性改進(jìn)的時(shí)空上下文目標(biāo)跟蹤。利用三種類型的子塊特征組合構(gòu)建目標(biāo)外觀模型,將置信圖中多個(gè)峰值點(diǎn)對(duì)應(yīng)區(qū)域作為候選位置,然后提取候選位置的外觀特征并找到與目標(biāo)模板最相似的區(qū)域,再用連續(xù)蒙特卡洛采樣得到最優(yōu)目標(biāo)區(qū)域,最后判斷子塊遮擋狀況并由遮擋比例調(diào)節(jié)時(shí)空上下文學(xué)習(xí)率。仿真實(shí)驗(yàn)結(jié)果表明,所提算法在目標(biāo)快速移動(dòng)或者目標(biāo)被遮擋時(shí),仍然能夠較準(zhǔn)確地跟蹤目標(biāo)。2、針對(duì)目標(biāo)遮擋、快速運(yùn)動(dòng)和尺度變化問(wèn)題,提出具有局部與全局表達(dá)和尺度預(yù)測(cè)的目標(biāo)跟蹤。先用基于局部表達(dá)的最佳伙伴相似性檢
5、測(cè)獲得初步位置,再用基于全局表達(dá)的示例線性判別分類器獲得更準(zhǔn)確的位置;其中示例線性判別分類器采用了離線背景模型作為初始背景模型,同時(shí)不斷在線采集目標(biāo)周圍背景樣本更新背景模型,每一幀中只有目標(biāo)結(jié)果作為正樣本來(lái)訓(xùn)練線性判別分類器,每個(gè)子分類器的權(quán)重根據(jù)其正樣本與目標(biāo)當(dāng)前狀態(tài)相似性獲得;同時(shí)用CUR濾波器進(jìn)行檢測(cè),根據(jù)檢測(cè)結(jié)果與跟蹤器結(jié)果的重疊率以及目標(biāo)在相關(guān)濾波器中的響應(yīng)聯(lián)合判斷遮擋情況從而調(diào)節(jié)模型更新;最終利用相關(guān)濾波器融合跟蹤器與CUR檢測(cè)的結(jié)果獲得目標(biāo)位置,并在所得位置上進(jìn)行多尺度采樣輸入相關(guān)濾波器進(jìn)行尺度預(yù)測(cè)。仿真實(shí)驗(yàn)結(jié)果表明,所提算法能夠適應(yīng)目標(biāo)尺
6、度變化,并且在目標(biāo)快速運(yùn)動(dòng)以及經(jīng)歷遮擋后重新出現(xiàn)等情況下仍然能夠進(jìn)行準(zhǔn)確地跟蹤。3、針對(duì)顏色跟蹤易受背景顏色特性相似區(qū)域干擾,提出基于干擾項(xiàng)排除與多歷史狀態(tài)恢復(fù)的目標(biāo)跟蹤。卷積特征與顏色特征具有互補(bǔ)特性,顏色跟蹤發(fā)生偏移時(shí),采用顏色相似性與卷積特征相似性融合可以有效排除干擾項(xiàng)。發(fā)生遮擋會(huì)使卷積特征相似性顯著減小,以此作為遮擋判斷線索并調(diào)節(jié)卷積特征目標(biāo)模板的更新來(lái)保持模型準(zhǔn)確性。顏色模型的持續(xù)向前更新可能會(huì)產(chǎn)生誤差,利用各歷史狀態(tài)給出結(jié)果與最終結(jié)果的一致性選擇合適的歷史狀態(tài)進(jìn)行恢復(fù),使得其魯棒性得到提高。經(jīng)過(guò)仿真實(shí)驗(yàn)證明,本文算法在發(fā)生光照變化、遮擋和形變
7、等情形時(shí)能通過(guò)有效去除干擾項(xiàng)來(lái)捕獲正確的目標(biāo)狀態(tài)。關(guān)鍵詞:目標(biāo)跟蹤;時(shí)空上下文;目標(biāo)表達(dá);尺度預(yù)測(cè);干擾項(xiàng)排除IAbstractAbstractMovingobjecttrackingistheprocessofcontinuouslypredictingstateofinterestedobjectwhichisgiveninthefirstframeinthesubsequentimagesequence.Objecttrackingisahotresearchtopicinthecomputervision,anditiswidelyusedins
8、urveillance,automaticnavigation,human-co