资源描述：
《压缩感知跟踪算法关键技术研究》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：10406分类号：TP391学号：130081002008南昌航空大学硕士学位论文（学位研究生）压缩感知跟踪算法关键技术研究硕士研究生：汪龙导师：盖杉申请学位级别：硕士学科、专业：信号与信息处理所在单位：信息工程学院答辩日期：2016-06授予学位单位：南昌航空大学ResearchontheKeyTechnologiesofCompressiveTrackingADissertationSubmittedfortheDegreeofMasterOnCommunicationandInformation
2、SystembyWangLongUndertheSupervisionofA.Prof.GaiShanSchoolofInformationEngineeringNanchangHangkongUniversity,Nanchang,ChinaJune,2016II摘要目标跟踪是计算机视觉领域重要的研究课题，目标跟踪对人类的生活产生了重大影响，取得了广泛地应用。例如安全监控，人机交互，军事领域等，但目标跟踪还存在许多挑战，例如光照强度变化，背景扰乱，遮挡，尺度变化等问题。因此如何设计一个有效的跟踪算法还是十分有
3、必要的，本文的主要研究工作如下：（1）阐述了目标跟踪算法的研究背景及意义，以及国内外研究现状，分析了目标跟踪算法中存在的主要问题和难点。（2）详细介绍了两种典型的基于压缩感知理论的目标跟踪算法，设计实验验证其算法的有效性，并分析出其优缺点（3）针对压缩感知跟踪算法跟踪框窗口大小在跟踪过程中不变容易导致跟踪漂移的情况，分析比较常见的窗口自适应调整算法，结合压缩感知跟踪算法的特点提出一种基于窗口自适应调整的压缩感知跟踪算法，该方法依据图像尺度信息量的变化并建立了跟踪窗口调整的数学模型，该方法能及时调整跟踪框的大小，
4、从而提高了跟踪算法的有效性。实验结果表明本文提出的算法在目标尺度变化的场景中取得了较好的跟踪效果。（4）针对压缩感知跟踪算法中采用单一目标特征不能够准确全面的描述目标模型这一问题，通过分析比较常见的多特征融合方法，提出了一种基于多特征自适应融合的压缩感知跟踪算法，该方法结合了纹理和颜色特征，能够在不同场景中自适应的调整融合系数，从而增加了描述目标模型的可靠性,实验结果表明本文提出的算法在多种跟踪场景中取得了不错的效果。关键词：压缩跟踪；自适应窗口；图像尺度信息量；多特征融合；自适应融合；IAbstractThe
5、targettrackingwasthecomputervisiondomainimportantresearchtopic,thetargettrackinghashadthesignificantinfluencetohumanity'slife,obtainedwidelyhasapplied.Forexamplethesafemonitoring,man-machineinteraction,militarydomainandsoon,butthetargettrackingalsohasmanycha
6、llenges,forexamplestrengthofilluminationchange,backgroundharassment,mask,questionsandsooncriterionchange.Howthereforedesignsaneffectivetrackalgorithmtohavethenecessityextremely,thisarticlemainresearchworkisasfollows:(1)Firstweelaboratethetargettrackingalgori
7、thmresearchbackgroundandthesignificance,aswellasthedomesticandforeignresearchpresentsituation,hasanalyzedthemainquestionandthedifficultywhichinthetargettrackingalgorithmexists.(2)Weintroducetwokindsoftypicalbasedonthecompressionsensationtheorytargettrackinga
8、lgorithm,anddesignanexperimenttoconfirmitsalgorithmthevalidity,Theadvantagesanddisadvantagesofthesetwomethodsweresystematicallyexplained.(3)Tosolvetheproblemofcompresivetrackingalgorithmtrackfra
