基于修正字典和稀疏概念编码的目标跟踪算法

《基于修正字典和稀疏概念编码的目标跟踪算法》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、基于修正字典和稀疏概念编码的目标跟踪算法张亚南2015年12月中图分类号：TP391UDC分类号：004.9基于修正字典和稀疏概念编码的目标跟踪算法作者姓名张亚南学院名称计算机学院指导教师陆耀教授答辩委员会主席赵清杰教授申请学位理学硕士学科专业生物医学工程学位授予单位北京理工大学论文答辩日期2016年01月RobustObjectTrackingviaCorrectionDictionaryandSparseConceptCodingCandidateName：ZhangYananSchoolorDepartment:SchoolofCompute

2、rScienceFacultyMentor:Prof.LuYaoChair,ThesisCommittee：Prof.ZhaoQingjieDegreeApplied:MasterofScienceMajor：BiomedicalofEngineeringDegreeby:BeijingInstituteofTechnologyTheDateofDefense：Jan,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

3、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运动目标跟踪是计算机视觉及其相关领域的研究热点。其在实际生活中具有广泛的应用，其中包括智能交通、军事安全、监控系统、医疗设备研究、人机交互等方面。现阶段的研究，运动目标跟踪算法仍然有很多复杂问题需要处理：建立鲁棒性的表观模型，其不仅能保持目标基本的表观特征，而且还能适应目标的表观变化，特别是在长时跟踪过程中目标几何外观发生形变的场

4、景中；如何提取判别能力强的特征，增强算法的识别检测能力。目前的目标跟踪算法在目标几何外观发生形变和目标局部遮挡的场景中具有很大的局限性。本文研究了稀疏表达(SP)理论基础和基于稀疏表达的目标跟踪算法，以及稀疏概念编码(SCC)的理论及应用方法。本文的主要研究内容及创新点包含：1.研究了基于序贯重要性采样的粒子滤波理论及其在运动目标跟踪的应用，分析了基于稀疏表达的运动目标跟踪算法的框架，提出了现有的算法研究存在的问题和难点。2.分析现有的基于稀疏表达的运动目标跟踪算法，并基于稀疏判别分类器，首次提出了基于动态加权修正字典的运动目标跟踪算法。该算法提出

5、了目标跟踪算法中的修正字典的概念，根据最新的跟踪结果组建准确、高效的修正字典。大量的实验数据表明，动态加权的修正字典能够在跟踪过程中起到误差修正的作用，使得算法在目标发生外观形时也能保持鲁棒性。3.研究了稀疏概念编码(SCC)的理论基础及其在计算机视觉分析领域的应用。本文结合基于非线性矩阵分解的稀疏概念编码，首次提出了基于稀疏概念编码的鲁棒性运动目标跟踪算法，该算法利用局部小块的结构信息和稀疏概念编码的非线性特征，提高了算法的准确性。实验表明，该算法对于目标局部遮挡具有较好的鲁棒性。关键词：目标跟踪，粒子滤波，稀疏表达，修正字典，稀疏概念编码I北京

6、理工大学硕士学位论文AbstractObjecttrackinginvideosequencesisamajorresearchtopicincomputerversion.Ithasawiderangeofapplicationinrealworld,whichincludingintelligenttransportation,militarysecurity,monitoringsystems,medicalresearchfacilitiesandhuman-computerinteraction.Objecttrackingstillha

7、smanycomplexissuestohandingatcurrentstage,whichincluding:howtobuildrobustappearancemodel,whichnotonlykeepsthebasicapparentfeaturesoftarget,butalsoadapttochangesinthescenethattheobjectisdeformed;howtoextractfeatureshavemorediscriminatingpower,andthesefeaturescanenhanceidentific

8、ationanddetectionthetracker.Thecurrentobjecttrackingalgorithm