基于变换域的实时压缩跟踪

《基于变换域的实时压缩跟踪》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、学校代号１０５３２学号Ｓ１４１０００８３２分类号ＴＰ３９１密级＃ＨＵＮＡＮＵＮＩＶＥＲＳＩＴＹ硕士学位论文基于变换域的实时压缩跟踪学位申请人姓名徐东培养单位倍息科学￣Ｉ：程学院导师姓名及职称袁进助理教授学科专业信息与通信工程研究方向目标跟踪论文提交日期２０１７年５月４丨｜５３２学校代号：１０１４１０００学号：Ｓ８３２密级：湖南大学硕士学位论文基于变换域的实时压缩跟踪学位申请人姓名：徐东导师姓名及职称：袁进助理教授培荞单位：信息科学与工程

2、学院专业名称：信息与通信工程论立提交日期：２０１７年５月４日论女答辩日期：２０１６年５月２７日答辩委员会主席：廖波教授Ｒｅａ－ｍｅｃｏｍｒｅｓｓｅａｃｋｎｓｅｌｔｉｐｉｖｔｒｉｇｂａｄｏｎｔｒａｎｓｆｏｒｍｄｏｍａｉｎｂｙＸＵＤｏｎｇＢ．Ｅ．ＨｕａｎａｎＮｏｒｍａｌＵｎｉｖｅｒｓｉｔ２０１４（ｇｇｇｙ）ＡｔｈｅｓｉｓｓｕｂｍｉｔｔｅｄｉｎａｒｔｉａｌｓａｔｉｓｆａｃｔｉｏｎｏｆｔｈｅｐＲｅｑｕｉｒｅｍｅｎｔｓｆｏｒｔｈｅｄｅｇｒｅｅｏｆＭａｓｔｅｒｏｆ

3、ＥｎｉｎｅｅｒｉｎｇｇｉｎＥＩｎｆｏｒｍａｔｉｏｎａｎｄＣｏｍｍｕｎｉｃａｔｉｏｎｎｇｉｎｅｅｒｉｎｇｎｔｈｅｉＧｒａｄｕａｔｅＳｃｈｏｏｌｏｆＨｕｎａｎＵｎｉｖｅｒｓｉｔｙＳｕｅｒｖｉｓｏｒｐＡｓｓｉｓｔａｎｔＰｒｏｆｅｓｓｏｒＹＵＡＮＪｉｎＭａｙ，２０１７湖南大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研宄成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体己经发表或撰写的成果作品。对本文的研究做出重要贡。献的个人和

4、集体，均己在文中以明确方式标明本人完全意识到本声明的法律后果由本人承担。作者签名：日期年曰学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权湖南大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于１、保密□，在年解密后适用本授权书。２、不保密０。“”（请在以上相应方框内打Ｖ）作者签名：日期：丨年女月日＂导师签名

5、：日期：７＾年１月日／１Ｉ基于变换域的实时压缩跟踪摘要近年来，随着计算机视觉与人工智能技术的快速发展，目标跟踪的研究取得了突飞猛进的进步。目前，目标跟踪已广泛应用于人机交互、智能交通、安防监、控导航监测等领域，具有广阔的市场前景和重要的应用价值，并引起了工业界和学术界的极大重视。为了提高目标跟踪的性能，研究者们通过挖掘与改进机器、。学习方法以求目标跟踪的性能达到实时性鲁棒性与准确性然而，尽管目标跟，仍有很多实际的问题亟待解决踪的性能得到了极大的提高，如遮挡、光照变化、姿态变化、旋转、尺度变化对于目标跟踪性能的影响。

6、一、在目标跟踪的诸多研宄因素中，最关键是要找到个可靠高效的外观表示方法来描述目标。本文着重研宄目标的外观表示以及与之相关的性能问题，提出一了基于变换域的实时压缩跟踪算法：，主要包含两个工作第个工作针对目标跟踪中某些复杂的场景，如遮挡，光照变化，姿态变化等，提出了融合傅里叶变换和模板匹配的跟踪方法一。该跟踪器采用种自适应调节历史信息与当前信息的模。板更新策略，使得模板同时保留历史信息和当前信息该算法还通过傅里叶变换将密度均匀的空间域变换到稀疏的频率域，从而大大地压缩了原有图像的信息量一，降低了计算复杂度的同时保留了良好的跟踪性能。在工

7、作的基础上，为了解决傅里叶变换缺乏方向和尺度分析能力的问题，本文又提出了基于非下采样ｃｏｎｔｏｕｒｌｅｔ变换域的多尺度多方向跟踪方法。该算法提取了原始图像的多尺度多方向信息并采用了压缩感知方法进行特征降维，最终使用ａｄａｂｏｏｓｔ分类算法构建一了个高鲁棒性的分类器来实现目标跟踪。为了检验方法的有效性，本文在两个经典的目标跟踪视频数据集上进行了实验比较与分析。实验显示，基于傅里叶变换的压缩跟踪方法处理目标跟踪问题达、到了实时性的要求，且对于光照改变遮挡、快速移动等问题追踪效果非常好，但对于旋转、尺度变化场景的跟踪效果就不佳。而非下

8、采样ｃｏｎｔｏｕｒｌｅｔ变换的跟踪