基于支持向量机的实时视频目标跟踪技术研究.pdf

《基于支持向量机的实时视频目标跟踪技术研究.pdf》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、单位代码：１０２９３密级；■＼－蔡／邊乂分齊硕女＃隹讼Ａ＇、；／＇苦．；？，ｖ．：．ｙ．；？輸Ｖ＾师誦；難難。■。？‘？：．；一‘Ｗ／？Ｖ论文题目：基于支持向量机的实时视频目标跟踪技术研究＇；．Ｐ均ｒ；＇＇’．＞式．；也Ｘ．．．．一＇／．＇／於扛．ｌＱｉ２ｌ〇５３４：：／学号Ｑ柏．，巧聲■’一哥．皆户？＇：．．ｆ姓名到变偷：护＇＇－‘１．ｉ＇―ｖ＇，．，．与。’■李晓飞皆ｆ导师＾＼３吕目息处理＇４ｆ号与ｆ；＼学科专业＼

2、研究方向信息网络与多媒体技术＾７申请学位类别王堂硕±－：—五年Ｈ月三Ｑ義扣论文提交日期，兼．，户＾ｍ．．．隹；＊？？？．■．ｉ？■＞－－■南京邮电大学学位论文原创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中持則加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，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。一本人学位论文及涉及相关资料若有

3、不实，愿意承担切相关的法律责任。研巧生签名：３＇、苗日期：２＾氏叶．ｌｂ南京邮电大学学位论文使用授权声明本人授权南京邮电大学可ｔ＾ｉ＞保留并向国家有关部口或机构送交论文的复印件和电子文档可；允许论文被查阅和借阅；可将学位论文的全部或部分内容编入有关数据库进行检索；论Ｗ采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质一文的内容相致。论文的公布（包括刊登）授权南京邮电大学研巧生院办理。研涉密学位论文在解密后适用本授权书。巧生签名；－苗＿导师签名；－日期：ＭＳ．ｉｈ孽VideoTargetTrackingTechnologyR

4、esearchBasedonSupportVectorMachineThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMasterofEngineeringByMengLiuSupervisor:Prof.XiaofeiLiMarch2015摘要近年来在计算机视觉研究领域中，视频目标跟踪成为重要课题，在人机交互、增强现实等诸多领域应用广泛。由于视频场景中包含许多诸如光照、遮挡、背景干扰等复杂信息，加上目标本身的运动变化，使得研究鲁棒的目标跟踪算法面临着很大的挑战。本文对视频目标跟踪算法做了具

5、体的研究，采用结构化支持向量机实现目标跟踪，主要研究方面如下：（1）在深入研究不同特征提取方法的基础上，设计并实现了基于支持向量机的目标分类算法，并展示了不同特征提取方法的分类效果。针对特征提取中的冗余信息，采用主成分分析(PCA)降维方法去除变量之间的相关性，通过不同类型的实验，总结出不同样本提取特征方法在实际中的不同应用。（2）改进传统的结构化支持向量机在线目标跟踪方法，解决了在目标半遮档和运动交叉时产生的跟踪漂移现象。采用帧间目标匹配度波动值判断目标是否出现异常，从而决定是否更新支持向量，并结合卡尔曼滤波预测下一帧目标位置，修正跟踪结果。（3）针对目标在视频中暂时离开，重新捕获时容易产

6、生错误跟踪的问题进行改进。当判断出目标出现异常，并进一步判断目标离开画面时，及时报警并停止更新支持向量，同时更改搜索策略，直到能够重新精确定位目标。实验表明，改进后的跟踪算法与原算法和离线目标跟踪算法相比更具鲁棒性，在应对较为复杂的跟踪场景时能够体现其稳定准确的优点。关键词:结构化支持向量机，特征提取，主成分分析，卡尔曼滤波IAbstractInrecentyears,visualobjecttrackingisoneofthecoreproblemsofcomputervision,withwide-rangingapplicationincludinghuman-computerinte

7、raction,augmentedreality.Asthevideoscenecontainsmanycomplexinformationsuchasillumination,occlusion,backgroundinterference,coupledmotionofthetargetitself,makingthestudyofrobustobjecttrackingalgorithmmorediff