基于压缩感知单目标多尺度跟踪算法研究

《基于压缩感知单目标多尺度跟踪算法研究》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：10406分类号：TP391.4学号：130085212009南昌航空大学硕士学位论文(专业学位研究生)基于压缩感知单目标多尺度跟踪算法研究硕士研究生：李俊礼导师：符祥申请学位级别：硕士学科、专业：软件工程所在单位：软件学院答辩日期：2016年6月授予学位单位：南昌航空大学Thesingleobjectivemulti.scaletrackingalgorithmbasedoncompressionperceptionresearchAThesisSubmittedfortheDegreeofMasteronSoftwareE

2、ngineeringbyLiJunliUndertheSupervisionofA.Prof.FuxiangSchoolofSoftwareNanchangHangkongUniversity,Nanchang,ChinaJune，20摘要视频跟踪在视频监控、人机交互、交通监控等领域有着重要的应用，虽然在这些方面已经取得了一些成功，但是由于受到光照变化，目标形变以及突然加速等因素的干扰，建立一个稳定、高效的跟踪系统仍非常具有挑战性。本文提出了两种鲁棒实时的跟踪算法，用于解决跟踪过程中遇到的干扰。基于预测的多尺度压缩跟踪算法。在基于检测的

3、跟踪算法中，目标表示是通过提取目标特征来构建表观模型实现的。而为了减少计算量，提高实时性，传统的方法，有的是构建子空间模型来表示目标，有的是利用增量子空间模型表示目标来适应目标外观的变化，有的通过支持向量机(SVM)来提高判别特征的选择。但是，这些跟踪算法的计算量普遍较大，难以达到实时性的要求，不能满足实际应用的需要。为了降低算法的计算量，本文提出了基于预测的多尺度压缩跟踪算法。该算法在预测的目标位置附近抽取正样本，在远离预测的位置附近抽取负样本，然后与多尺度方框滤波器进行卷积得到目标的多尺度特征向量。由于预测的位置与目标的实际位置比较

4、接近，所以，在搜索目标特征时，所采用的搜索半径就不需要太大，有效的减少了计算量。但是，由于构建的多尺度高维特征向量的维数比较大，跟踪过程中仍然需要大量的计算，利用压缩感知技术降低特征向量的维数，减少跟踪过程中的计算量，并且降维后的特征基本保留了原始特征向量的大部分信息。在压缩感知后的压缩域内，利用朴素贝叶斯分类器对特征进行分类，把分类分数最大的特征位置，作为目标的跟踪位置。基于颜色修正的多尺度压缩跟踪算法。在基于检测的压缩跟踪算法(CT)及其改进算法虽然实现了实时性，但由于提取的跟踪目标特征比较单一，只提取了跟踪对象的灰度haar.li

5、ke特征，造成了构建的表观模型在跟踪时的鲁棒性比较差。所以，本文提出了基于颜色修正的多尺度压缩跟踪算法，在原有的算法基础上，融合了目标的颜色信息，并且结合粒子滤波框架，实现了算法的多尺度跟踪。在分类器更新方式上也做了改进，使用双S形曲线，对分类器参数实现了自适应更新，更好的抑制噪声的干扰和错误的分类造成的跟踪失败。论文的实验是在WindowS7平台，采用MATLAB2014a进行编程实现的。在实验中，用于检测的测试序列来自于benchmark检测标准库提供。进行对比的算法代码有作者提供，参数设置均采用默认设置。通过实验验证，表明基于预测

6、的多尺度压缩跟踪算法能够在光照变化、形变、遮挡、背景杂乱等情况下具有比较好的鲁棒性，相对于CT、FCT、MSCT基于压缩感知的跟踪算法，速度更快，鲁棒性更好；基于颜色修正的多尺度压缩跟踪算法，在复杂场景中，对于目标跟I踪过程中发生的形变，遮挡以及剧烈的光照变化情况下稳定性、鲁棒性和准确性都比较好，基本达到了预期的要求。关键词：目标跟踪，表观模型，压缩跟踪，粒子滤波IIAbstractVideotrackinginvideosurveillance,humancomputerinteraction,trafficmonitoringand

7、otherfieldshasimportantapplications,althoughintheseareashasachievedsomesuccess,butduetoilluminationchange,targetdeformationandaccelerationfactorssuchasinterference,toestablishastable,highefficiencyoftrackingsystemisstillverychallenging.Inthisarticle,weproposedtwokindsofr

8、obustreal.timetrackingalgorithm,usedtosolveencounteredintheprocessoftrackingofinterference.Basedonthepr