基于MCMC的运动目标跟踪研究.pdf

基于MCMC的运动目标跟踪研究.pdf

ID:50425351

大小:2.27 MB

页数:58页

时间:2020-03-05

基于MCMC的运动目标跟踪研究.pdf_第1页
基于MCMC的运动目标跟踪研究.pdf_第2页
基于MCMC的运动目标跟踪研究.pdf_第3页
基于MCMC的运动目标跟踪研究.pdf_第4页
基于MCMC的运动目标跟踪研究.pdf_第5页
资源描述:

《基于MCMC的运动目标跟踪研究.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、基于MCMC的运动目标跟踪研究张光浩2015年6月中图分类号:UDC分类号:基于MCMC的运动目标跟踪研究作者姓名张光浩学院名称计算机学院指导教师陆耀教授答辩委员会主席申请学位工学硕士学科专业计算机科学与技术学位授予单位北京理工大学论文答辩日期2015年6月ResearchonMCMCbasedObjectTrackingMethodCandidateName:ZhangGuanghaoSchoolorDepartment:SchoolofComputerScienceFacultyMentor:Prof.YaoLuChair,ThesisCommitt

2、ee:DegreeApplied:MasterofPhilosophyMajor:ComputerScienceandTechnologyDegreeby:BeijingInstituteofTechnologyTheDateofDefense:Jun.2015研究成果声明本人郑重声明:所提交的学位论文是我本人在指导教师的指导下进行的研究工作获得的研究成果。尽我所知,文中除特别标注和致谢的地方外,学位论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得北京理工大学或其它教育机构的学位或证书所使用过的材料。与我一同工作的合作者对此研究工作所做的任何

3、贡献均已在学位论文中作了明确的说明并表示了谢意。特此申明。签名:日期:北京理工大学硕士学位论文摘要目标跟踪是计算机视觉领域一个重要的研究分支,在人工智能、人机交互、无人系统等方面有着重要的应用前景。目标跟踪是视觉领域内重要的基础性算法,在更高层次研究领域中比如行为识别和理解有着重要的研究意义。目标跟踪算法广义上可以分为两类:一类是确定性的跟踪算法;一类是随机采样的跟踪算法。确定性采样对于运动具有较大不确定性的目标跟踪问题容易失效,而基于随机采样方法的目标跟踪算法能够有效实现多模分布下的目标跟踪问题。针对普通场景和运动位置突变场景的目标跟踪研究,近年来的基

4、于贝叶斯跟踪框架的随机采样算法得到了广泛发展,然而针对目标尺度突变的研究任然显得不足。本文的一个贡献是在贝叶斯跟踪框架下基于马尔科夫链蒙特卡洛序贯随机采样方法,针对运动突变场景下的目标跟踪作出了相关的研究,尤其是目标的运动位置突变和目标的尺度突变,提出了多尺度随机采样目标跟踪算法,在原有跟踪框架基础上提出了加权提议采样方法和MeanShift优化方法,有效地提高了跟踪的准确率。本文的另一个在序贯随机采样方法的基础上结合基于压缩感知建模方法,通过分析实验观察到该建模方法使得在目标真值附近似然度成多峰高斯分布,搜索检测的跟踪方法往往会陷入局部最优。而与序贯随

5、机采样结合允许算法跳出局部最优解,得到更精确的跟踪结果。关键词:目标跟踪;马尔科夫蒙特卡洛;运动突变目标I北京理工大学硕士学位论文AbstractObjecttrackingisanimportantresearchdivisioninthefieldofcomputervisionthatitcanbeusedinvariousapplicationsuchasartificialintelligence,human-machineinteraction,automaticsystemandetc.Objecttrackingmethodsserver

6、asthefundamentalroleinthedivisionofcomputervisionandmakeanoutstandingsignificanceinhigherleverresearchareasuchashumanactionrecognitionandcomprehension.Objecttrackingrelevantalgorithmcoulddividedintotwodifferenttypes:onekindisso-calleddiscriminanttrackingmethodsandanotherkindissub

7、jectedtorandomsamplingbasedmethods.Discriminantmethodsperformbadlywhilehandlingwithtrackingscenarioscontainingabruptscalechangesandpositionchanges.Aimedatsuchtargets,randomsamplingmethodsbasedonBayesiantrackingschemehaveachievedalotrecently.Inadequateresearchesfocusedonsuchareadu

8、ringpastyearsandit’sparticularlysignific

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。