欢迎来到天天文库
浏览记录
ID:35181391
大小:2.46 MB
页数:51页
时间:2019-03-21
《基于协方差矩阵的目标跟踪算法研究》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、分类号学校代码UDC密级公开硕士学位论文基于协方差矩阵的目标跟踪算法研究作者姓名:黄庆俊学号:1315063002指导教师:何儒汉学科门类:工学专业:计算机系统结构研究方向:图像处理完成日期:二零一六年十月WuhanTextileUniversityM.E.DissertationObjecttrackingalgorithmsbasedonCovarianceMatrixCandidate:HuangQingJunSupervisor:Prof.HeRuHanTime:Oct2016摘要对图像序列中的目标进行检测和跟踪被广泛应用在众多计算
2、机视觉应用中,有着极为重要的理论研究意义和实际应用价值。协方差矩阵作为一种特征描述子因其具有能自然融合多种特征,具有较强的特征描述能力,且具有一定鲁棒性和较低的特征维数,从而在目标跟踪领域中得到了重点关注。本文主要基于协方差矩阵,针对传统的协方差跟踪算法的一些缺点,利用协方差矩阵的流形属性(协方差矩阵属于SPD流形),结合压缩感知理论,分别针对跟踪算法的速度和准确性两个方面,研究了两种改进的协方差矩阵跟踪算法:第一,针对传统的基于协方差矩阵的目标跟踪算法在积分图像计算和全局搜索上比较耗时,从而导致速度较慢的问题,提出了基于积分区域的自适应区
3、域协方差跟踪算法,通过对当前跟踪效果的检测,动态调整搜索区域,只针对搜索区域进行积分计算,从而在正常跟踪时,减小计算量,加快跟踪速度;同时在跟踪出现遮挡等情况后能自动扩大搜索区域直至整幅图像,从而回退到传统的基于协方差矩阵算法过程中,保证跟踪的鲁棒性。该算法在不损失传统协方差跟踪的鲁棒性和准确性的基础上,明显提高了算法的速度。第二,基于压缩感知理论,融合了基于压缩感知和基于协方差的两种目标跟踪算法中,提出了基于协方差矩阵的压缩感知跟踪算法。首先利用压缩感知原理获取压缩后的目标区域的Haar特征,然后利用协方差矩阵融合Haar特征区域内的底层
4、多维特征,并利用该协方差矩阵作为目标模型,通过搜索当前目标区域的领域,找到与当前目标模型最匹配的候选区域,最后利用流形空间上的均值更新策略更新目标模型,以提高算法准确性。实验结果表明,算法具有更好的跟踪准确性。关键词:目标跟踪;Haar特征;协方差矩阵;压缩感知;积分区域;研究类型:基础研究AbstractObjectdetectingandtrackinginimagesequencehasbeenwidelyusedinmanycomputervisionapplications,andithasextremelyimportantth
5、eorysignificanceandpracticalapplicationvalue.Asakindoffeaturedescriptor,Covariancematrixhasstrongabilityinfeaturedescription,andhascertainrobustnesswithlowdimension,becauseofitsnaturalintegratingwithvarietyoffeatures.Soithasbeenfocusedoninthefieldofobjecttracking.Inthispap
6、er,webasedonthecovariancematrix,aimingatdealingwithsomedefectsintraditionalcovariancetrackingalgorithm.Becauseofthemanifoldpropertiesofcovariancematrix(covariancematrixisoneoftheSPDmanifold),wecombinewithcompressedsensingtheory,andstudytwokindsofthetrackingalgorithmbasedon
7、covariancematrix:First,considerofthetraditionalalgorithminobjecttrackingbasedoncovariancematrix,theyusetospendtoomuchtimeincalculatingintegralimageandsearchingobjectglobally.Soweproposeacovariancetrackingalgorithmbasedonadaptiveregionofintegralarea,basedonthecurrenttrackin
8、gperformanceofdetection,dynamicadjustthesearcharea,andcalculateonthesearcharea,thusinnorm
此文档下载收益归作者所有