结合运动矢量和背景信息的加权压缩跟踪算法

《结合运动矢量和背景信息的加权压缩跟踪算法》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、、＇，－１、。．；，；＊難技巧，！峨若．／媒．；側Ｗ．＊．夸溶；ｊ１。—ｆｆ－＇’－：－．－－’．．．起吃＾．歌餐、１、．’＇、．务巧分．＾．－‘，－‘．心：！分类号嚴Ｘ魏．金中‘ＵＤＣ．？．＇；学号音；＾‘－心Ｘ；＾１！雜戀方々誇式乂拿鸯龄“＇．、－方識－户＇心心＊＾三＇；－：：ｖ处／呼—乂：一硕±学位论文Ｔｈｅｓ’ｉｓｆｏｒＭａｓｔｅｒｓＤｅｇｒｅｅ移巧…ｓ立、。．？５．一＞＾．－ｙ、＊、＾今聲＇＇？－－＇－论文题目结合运动矢量和背景信

2、息的－苗拿；一—－：？為加权压缩跟踪算法寺：巧＾＾：－一ｆ．．＇－＇Ｖ—等；去終巧終，ｒ申请学位类别工程硕±＾百＇蔡；专业名祿计算机技术思■，－＞．古，心读沪．一研究生姓名张文赛甚，；、导师姓名－手、巧称罗会兰教授／．Ｘ；二．心．技－／Ｖ鼻琴，．．．聲。ｒ、尊這聲卢至．分类号：密级：＿＿＿＿＿＿＿＿＿＿ＵＤＣ学号；：巧巧疋長＾章硕ｄｂ学位论文结合运动矢量和背景信息的加权压缩跟踪算法Ａｄａｐｔｉｖｅｗｅｉｇｈｔｅｄ

3、ｃｏｍｐｒｅｓｓｉｖｅｔｒａｃｋｉｎｃｏｍｂｉｎｅｄｗｉｔｈｇｍｏｔｉｏｎｖｅｃｔｏｒａｎｄｂａｃｋｒｏｕｎｄｉｎｆｏｒｍａｔｉｏｎｇ学位类别：工稍硕±作者姓名；张义幕学科、专业；计黨机巧术硏究方向；机器视觉指导教师：罗会兰２０１６年５月３０日学位论文独创性声明本人声明所呈交的论文是本人巧导师指导下进行的研充工作及取得的研究成果。据我所知，除了文中特别加Ｗ标注和致谢的地方外，论文中不包含其他人己经发表或撰写过的研究成果，也不包含已获得江西理工大学或其他教育机构的学位或证书而使用

4、过的材料。与我一同工作的同志对本硏兜所做的任何贡献均己在论文中做了巧确的说明并表示谢意。一申请学位论文与资料若有不实之化，本人承担切相关责任。硏究生签名乂时间：年全月。：多＾又日学位论文版权使用授权书本人完全了解江西理工大学关于收集、保存；、使用学位论文的规定即学校有权保存按要求提交的学位论文印刷本和电子版本，学校有权将学位论文的全部或者部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编臥供查阅和借阅；学校有权按有关规定向国家有关部口或者机构送交论文的复印件和电子版。本人化许本学位论文被查阅

5、和借阅，同意学校向国家有关部口或机构送交论文的复印件和电子版，并通过网络向社会公众提供信息服务。保密的学位论文在解密后适用本授权书学位论文作者織（手写）导师魅（手写）０签字曰期；年：月曰签字曰期ｉ；年Ｃ月？曰江西理工大学硕士学位论文摘要摘要目标跟踪是机器视觉领域里十分活跃的研究方向，在人机交互，视频监控，车辆行人跟踪等领域有着广泛的应用。压缩感知类跟踪算法基于压缩感知理论，因其跟踪鲁棒性较高，运算速度快，能满足实际应用的特点而广受关注。本文对压缩感知跟踪算法主要工作体现在以下两个方面。第一，压缩感知跟踪算法中如果能够对目标的运动

6、信息做到有效分析，将会对目标位置的预测起到关键作用，进而提高目标跟踪的准确率，并且当选择目标特征对分类器进行分类学习时，如果能够对提取到的特征进行筛选，选择正样本和负样本区分度较大的特征对分类器进行训练将会大幅增加分类器分类的鲁棒性。第二，跟踪过程中由于往往伴随着目标遮挡，若增加遮挡检测机制，当检测到目标出现遮挡时停止分类器的继续学习可以避免分类器错误的分类，对目标的背景信息加以利用将会实现目标遮挡后的跟踪。本文提出一种结合运动矢量判断目标位置的模型，在跟踪框架内图像进行超像素分割，对跟踪目标区域的超像素进行运动矢量编码统计分析，得到目标运动速度和方

7、向的估值，修正候选目标的搜索位置，有效降低因跟踪目标移动剧烈或速度过快而导致的跟踪漂移问题。利用生物视觉系统的focusofattention理论对目标特征分块提取并分配置信权值，改善朴素贝叶斯分类器在复杂背景下的分类鲁棒性，降低跟踪框架内因相似背景的干扰而导致分类器错误分类的情况。增加目标检测机制，当目标存在严重遮挡时停止学习正负样本，避免目标重新回到画面后跟踪丢失的问题。本文提出一种在目标遮挡情况下结合局部背景信息的特征自适应选择的分块加权压缩跟踪算法。对目标特征进行分块提取，对不同位置块上的特征赋予不同的权值，减少跟踪框架边缘背景对目标跟踪的干

8、扰；针对目标低维空间特征利用Bhattacharyya距离进行自适应选择，放大目标与背景区分度，提高分类器的