欢迎来到天天文库
浏览记录
ID:35071862
大小:5.12 MB
页数:61页
时间:2019-03-17
《复杂场景下目标稳定跟踪算法研究》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、学校代码:10406分类号:TP391.4学号:130085212005南昌航空大学硕士学位论文(专业学位研究生)复杂场景下目标稳定跟踪算法研究硕士研究生:朱陶导师:储珺教授申请学位级别:硕士学科、专业:软件工程所在单位:软件学院答辩日期:2016年5月31日授予学位单位:南昌航空大学StableTargetTrackingAlgorithminComplexSceneAThesisSubmittedfortheDegreeofMasterOnSoftwareEngineeringbyZhuTaoUndertheSupervisionofPro
2、f.ChuJunSchoolofSoftwareNanchangHangkongUniversity,Nanchang,ChinaMay31th,2016南昌航空大学硕士学位论文摘要摘要基金资助:国家自然科学基金(No.61263046,61462065);江西省自然科学基金(No.20122BAB201037);江西省研究生专项创新基金(No.YC2014-S408)。复杂场景下的目标跟踪是计算机视觉领域的热点研究课题之一,其任务主要是对视频帧序列或者摄像机拍摄视频中的运动目标进行检测和跟踪。如在智能监控、机器人导航、视频检索和虚拟现实等领域
3、有广泛的应用。虽然基于视频的目标跟踪算法已经发展了很长一段时间,但是在实际的应用过程中仍然面临着各种各样的挑战:如场景中可能出现的光照变化、遮挡、形变以及尺度变化等。这些因素使得跟踪过程中的误差逐渐累积,形成了所谓的漂移现象,最终导致目标跟踪的失败。针对这些难点,本文主要从特征的提取和压缩、分类器的构建、跟踪状态判断以及时空信息的融合等方面对目标跟踪算法进行研究。为了解决由于光照变化、尺度变化和遮挡等导致的目标跟踪失败的情况,本文提出了一种基于跟踪失败检测和加权随机森林的目标跟踪算法。算法首先提取了一种基于YCCrb光照不变空间的目标多尺度特征
4、,解决复杂场景中光照变化、尺度变化等问题;为了降低该特征的维度减少计算量,本文利用随机投影对提取的高维特征进行降维。然后利用压缩后的多尺度特征初始化本文提出的一个加权的随机森林分类器。对于跟踪过程中可能遇到的由于遮挡或者目标消失等导致的跟踪失败情况,本文采用了一种基于双向轨迹误差计算的跟踪失败检测策略。最后如果出现跟踪失败和目标丢失的情况,为了在后续帧中重新定位目标,本文还提出了一种在线更新的基于加权的随机森林分类器,在目标消失后对后续帧进行检测。针对跟踪中较难处理的遮挡问题,本文引入了目标遮挡判断策略下的基于时空上下文信息的目标跟踪算法。算法
5、首先利用压缩后的颜色不变特征构造并初始化时空上下文模型;然后对输入的视频帧进行遮挡判断:如果视频帧中没有出现遮挡,则利用时空上下文模型进行准确跟踪;而如果出现了不同情况的遮挡(动态遮挡和静态遮挡),则利用本文提出的一种组合分类器对后续帧进行目标检测,直至重新检测到目标,同时对上下文模型和分类器进行在线更新。关键词:目标跟踪,目标遮挡,随机投影,加权随机森林,时空上下文I南昌航空大学硕士学位论文AbstractAbstractTargettrackingofcomplexsceneisoneofthemostpopularresearchinCo
6、mputerVision,themaintaskoftrackingistodetectandtrackthemovingtargetinvideosorcameras.Targettrackingalgorithmsareusedinmanydifferentfields,suchasIntelligentSurveillance,RobotNavigation,VideoIndexingandVirtualRealityetc..Targettrackingalgorithmbasedonvideohasdevelopedformanyye
7、ars.However,therearemanychallengingproblemsintargettracking,suchasilluminationchange,targetdeformation,scalechangeetc..Theseproblemsoftencausethedriftingproblemastheerroraccumulatesovertimeandfinallyleadtotrackingfailure.Inordertosolvetheseproblems,wedevelopourresearchinterm
8、soffeatureextraction,classifierconstruction,trackingdecisionandSpatio-Tempo
此文档下载收益归作者所有