动态场景中目标跟踪的遮挡处理与研究

《动态场景中目标跟踪的遮挡处理与研究》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、动态场景中目标跟踪的遮挡处理与研究肖驰2016年1月中图分类号：TP181UDC分类号：004.8动态场景中目标跟踪的遮挡处理与研究作者姓名肖驰学院名称自动化学院指导教师陈文颉副教授答辩委员会主席龚至豪教授申请学位工学硕士学科专业控制科学与工程学位授予单位北京理工大学论文答辩日期2016年1月TheOcclusionHandlingandResearchofObjectTrackinginDynamicScenesCandidateName：ChiXiaoSchoolorDepartment:SchoolofAuto

2、mationFacultyMentor:Prof.WenjieChenChair,ThesisCommittee：Prof.ZhihaoGongDegreeApplied:MasterofEngineeringMajor：ControlScienceandEngineeringDegreeby:BeijingInstituteofTechnologyTheDateofDefence：January,2016研究成果声明本人郑重声明：所提交的学位论文是我本人在指导教师的指导下进行的研究工作获得的研究成果。尽我所知，文中

3、除特别标注和致谢的地方外，学位论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得北京理工大学或其它教育机构的学位或证书所使用过的材料。与我一同工作的合作者对此研究工作所做的任何贡献均已在学位论文中作了明确的说明并表示了谢意。特此申明。签名：日期：北京理工大学硕士学位论文摘要视频序列中的目标跟踪一直是计算机视觉研究领域的一个重要组成部分，而目标遮挡是视频跟踪中普遍存在的问题，能否有效解决遮挡问题，对于提高跟踪算法的稳定性与鲁棒性有着重要的意义。本文结合当前流行的深度学习以及稀疏表示理论知识，针对目标跟踪中的遮

4、挡问题提出了新的跟踪方法，通过跟踪算法的评估平台对本文提出的算法进行定量分析，并在视觉云台上完成实时目标跟踪与评估。本文主要研究工作如下：在深度学习的理论基础上，提出了一种基于栈式稀疏自编码器（SSAE）的目标跟踪算法。该算法先通过逐层贪婪训练法对SSAE以及Logistic分类器进行预训练，然后采用自顶向下的反向传播对整体网络进行微调。随后在粒子滤波的框架中，通过非监督训练提取粒子的特征，使用Logistic分类器选取置信度最高的粒子作为跟踪结果，实现了跟踪的鲁棒性。基于稀疏表示与粒子滤波理论，提出了基于分块稀疏表

5、示与HSV颜色直方图的跟踪算法。首先通过字典学习法从第一帧中获取字典，随后融合分块稀疏特征与HSV颜色直方图特征，使其同时具备局部特征与全局特征，并选取似然观测值最大的粒子作为跟踪结果。在跟踪过程中对严重遮挡情况进行了有效处理，并采取了实用的模板更新方法，提高了遮挡环境下跟踪的鲁棒性。通过跟踪算法评估系统对所提出的算法以及其他优秀算法进行定量评估。结果表明：与当前流行的算法相比，本文提出的两种跟踪算法有明显的优势，在遮挡环境下均可以实现鲁棒跟踪。其中基于分块稀疏表示与HSV颜色直方图的跟踪算法有着更低的中心偏移误差和

6、更快的跟踪速度，而在跟踪成功率上，本文提出的两种算法均表现优异。在文章的最后介绍了视觉云台跟踪系统，并将文中提出的基于分块稀疏表示与HSV颜色直方图的跟踪算法和其他算法应用于视觉云台的实时跟踪测试。测试结果表明：本文算法在实时跟踪中较其他算法有着更好的表现，在遮挡环境下可实现稳定的鲁棒跟踪，更适用于非快速运动物体的跟踪。关键词：目标跟踪；遮挡处理；稀疏表示；深度学习；算法评估。I北京理工大学硕士学位论文AbstractObjecttrackinginvideosequencesisoneoftheimportantr

7、esearchdirectionsinthefieldofcomputervision.However,targetocclusionisacommonbutdifficultprobleminvideotracking.Whethertargetocclusioncouldbesolvedefficientlyornotisplayinganimportantroleinimprovingtheaccuracyandrobustnessoftargettrackingalgorithm.Aimingattheocc

8、lusionproblemintargettracking,twotrackingmethodsareproposedbyincorporatingsparserepresentationanddeeplearninginthispaper.Thequantitativeanalysisoftheproposedalgorithmsarecar