基于机器学习的视觉目标跟踪算法研究

《基于机器学习的视觉目标跟踪算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代码10530学号201510171805分类号TP391密级公开硕士学位论文基于机器学习的视觉目标跟踪算法研究学位申请人阳岳生指导教师王冬丽副教授学院名称信息工程学院学科专业控制科学与工程研究方向模式识别二○一八年六月四日ResearchonVisualObjectTrackingalgorithmbasedonMachineLearningCandidateYangYueshengSupervisorAssociateProf.DongliWangCollegeCollegeofInformationEngineeringP

2、rogramControlScienceandEngineeringSpecializationPatternRecognitionDegreeMasterofEngineeringUniversityXiangtanUniversityDateJune4th,2018摘要视觉目标跟踪是计算机视觉系统不可或缺的重要组成部分，在智能视频监控、医疗、人机交互及交通管理等方面有着较强的实用价值与广阔的发展前景。尽管每年都有很多新的算法和方法涌现，但现实环境复杂，目标往往会受到遮挡、光照变化、变形、快速运动等因素干扰，解决这些难题也成了视觉

3、目标跟踪研究者的主要工作。本文在分析当前视觉目标跟踪研究现状的基础上，提出了两种高效的视觉目标跟踪算法，即基于加权多实例学习的压缩感知目标跟踪算法和基于深度强化学习的视觉目标跟踪算法。压缩感知技术因其低成本存储空间及高效的数据传输能力而受到人们的重视。本文在压缩感知目标跟踪的基础上引入了加权多实例学习，首先提取输入图像的类哈尔特征，随后设计一个稀疏矩阵随机映射图像特征，映射后的特征不仅能充分表征图像信息，也能加快跟踪速度。然后根据加权多实例方法采样多个正负样本，提取其类哈尔特征后训练朴素贝叶斯分类器，区分前景与背景从而实现跟踪。本文

4、提出基于深度强化学习的视觉跟踪算法，通过VGG-M提取图像特征，在网络的最后一层根据智能体与环境交互得到的信息学习一个策略函数。智能体根据此策略函数执行七个动作中的任意一个，直到未来总的折扣奖励函数值不再增加，停止动作的执行并得到该帧图像的跟踪结果，反复迭代直到图像序列的最后一帧。最后在OTB-50数据集上验证了算法的有效性，该数据库包含有50个图像序列，能很好地验证一个算法的性能，并与当前流行的算法在该数据库上进行了性能对比。定量与定性的实验结果表明，两种算法均能有效地处理遮挡、光照变化、旋转运动等问题，具有较强的抗干扰性也具备较

5、好的鲁棒性。关键词：视觉目标跟踪；压缩感知；稀疏矩阵；深度强化学习；OTB-50数据集.IAbstractVisualobjecttrackingisanindispensablepartofcomputervisionsystem,ithasastrongpracticalvalueandbroadprospectinintelligentvideosurveillance,medicaltreatment,human-computerinteractionandtrafficmanagement.Althoughmanynewa

6、lgorithmsareemergingeveryyear,whiletherealityiscomplicated.Theobjectisofteninterferedbyfactorssuchasocclusion,illuminationchange,deformationandfastmotion.Therefore,solvingtheseproblemshasbecomethemaintaskofvisualobjecttrackingtoresearchers.Basedontheanalysisofthecurren

7、tresearchstatusofvisualobjecttracking,twoefficientvisualtrackingalgorithmsareproposed,namelycompressedsensingobjecttrackingalgorithmbasedonweightedmulti-instancelearningandvisualobjecttrackingalgorithmbasedondeepreinforcementlearning.Compressedsensingtechnologyhasbeenp

8、aidmanyattentionbecauseofitslowcoststoragespaceandhighefficiencyofdatatransmission.Thecompressedsensingobjecttracking