欢迎来到天天文库
浏览记录
ID:35069888
大小:7.08 MB
页数:50页
时间:2019-03-17
《基于自适应低秩子空间在线优化的视频追踪》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、乂连謹义葦DALNUNVERSITYOFTECHNOLOGYIAI破±韋恆巧文MASTE民ALDISSERTATION基于自适应低秩子空间在线优化的视频追踪社基数蔓学科专业作者姓名i-娩指导教师____追園涯_副教援苏志励教授答辩日期20巧6月___年___4...硕i学位论文基于自适应低秩子空间在线优化的视频追踪-n乂daveLowrankSubsaceLearningwithOlineOtimizationp村pp化rRobustVisualTra
2、cking作者姓名:王涕学科、专业:计算数学学号;21301010指导教师;赵国辉副教授苏志就教授完成日期:2016年5月17日乂金巧义乂緣DalianUniversi巧ofTechnology大连理工大学学位论文独创性声明作者郑重声明:所呈交的学位论文,是本人在导卿的指导下进行巧究工作所取得的成果。尽我所知,除文中邑经注明引用内容和致谢的地方外,本论文不包含其他个人或集体&经发表的研究成果,化不包含其他邑申请学位或其他用途使用过的成果一。与我同工作的同志对本研究所做的贡献均己
3、在论文中做了明确的说明并表示了谢意。若有不实之处,本人愿意承捏相关法律责任。学位论文题目:基于自适应低秩子空间在线优化的视频追踪作者签名;至日期;年月日_^_1_坤大连理工大学硕±学位论文摘要、视频追踪是计算机视觉领域的基础性问题,并且在视频监控医学图像分析、姿势一识别和人机交互等领域有着广泛的应用.段时间内在过去的,虽然研究者们己经做出了很多努力,但是由于严重的遮挡、光照的变化、杂乱的背景和物体运动的变化等引起的设计一一项具有挑战性的工作追踪目标表观变化.,个鲁棒的视频追踪算法仍是经过研巧发现,对于由外
4、界因素和,基于子空间的算法是得到追踪目标最本质的结构自身运动引起的目标物体表观变化具有鲁棒性并且易于计算,所很多基于子空间学习的算法被用于视频追踪领域.但是对于,这些算法只考虑了表示系数的稀疏性或低秩性,某些复杂的视频序列的外观子空间学习是不够充分的;另外,由于低秩性和列稀疏性的性质限制増量式的在线更新算法并不能直接应用到带有核范数和列稀疏范数的模型.根据,这些讨论,本文提出了带有自适应约束的低秩子空间模型来学习目标物体的低秩特征,并一且设计了个在线优化算法将该模型很好地应用到视频追踪领域.、首先,本文提出的子空间学习算法能够同
5、时学习子空间基底低秩系数和稀疏噪声来刻画目标物体的外观子空间,而之前的方法只把目标物体简单的分成低秩特征和噪声两部化其化我们利用Hadamard积引入丰富的生成/判别的结构特征来自适应的约束子空间学习的表示系数.这种自适应的约束能显著的提高该算法在受到严重污染数据集上.最后的鲁棒性,为了让该算法能够很好的应用到视频追踪领域,我们针对核范数和列稀一疏范数提出个有效的増值优化算法.通过50个具有挑战性的视频数据集的实验结果可W看出,本文提出的视频追踪算法具有很好地鲁棒性和稳定性,可W同时处理具有不同属性的视频序列集.,并能和当前
6、最先进的算法相抗衡关键词:视频追踪低秩子空间在线优化自适应约束粒予滤波;;;;-—I大连理工大学硕±学位论文Adatvew-rankubaceearnnwnnemnorpiLoSspLigithOliOtiizatiofpRobustVisualTrackingAbstractAsoneof化efundame打talroblemsofcomutervision,visualtrackinhasnumerousppgadvancedalicationssuchasvideo
7、surveillancemedicalimaeanaliesturereconitionpp,gyss,ggandhumancomputerinteraction.In化eastdecades,althouhvariousalori化mshavebeenpggproposedforvisual,visualtrackingisanchallengingtaskdue化heavocclusion,illuminationychanebackroundclutterandcomlexb
8、ectmotionhaeni打comlexa打ddna
此文档下载收益归作者所有