1、学校代码10459学号或申请号201312172037密级硕士学位论文多外观模型自适应加权的粒子滤波目标跟踪算法研究作者姓名：杨浩博导师姓名：朱真峰副教授叶阳东教授学科门类：工学专业名称：计算机软件与理论培养院系：信息工程学院完成时间：2016年5月A thesis submitted toZhengzhou Universityfor the degree of MasterMulti-AppearanceModelsAdaptiveWeightedParticleFilterObjectTrackingAlgorithmResearchBy Haobo YangSupervisor
2、: Asso.Prof. Zhenfeng Zhu Prof. Yangdong YeComputer Software and TheorySchool of Information EngineeringMay 2016学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的法律责任由本人承担。学位论文作者：日期：年月日学位论文使用授权声明本人在导师指导下完成的论文及相关的职务作品，知识
4、视频监控、军用导航以及智能交通等领域，涉及数字图像处理、模式识别、机器学习和人工智能等多个学科。近年来，随着计算机视觉应用的普及，对目标跟踪技术的研究不断深入，取得了一定的成果。目标的外观变化受光照、姿态、遮挡、相机移动等诸多因素的影响，使得当前的目标跟踪算法在准确、鲁棒性方面依然面临巨大挑战。偏最小二乘（partial least squares，PLS）方法产生的低维特征能够有效地描述目标的外观变化，同时结合了样本的类别特征，常用于目标外观模型的建立。但此类跟踪算法忽略了不同维特征间的差别，以及外观模型与目标的关联程度，在目标外观发生复杂的变化时，难以准确分析目标与样本的误差而降低跟
5、踪精度。在本文中，对现阶段目标跟踪算法存在的上述问题进行了针对性的研究分析，提出一种多外观模型自适应加权（Adaptive Weightedmethod based on Multi-Appearance models，AWMA）的目标跟踪算法，融合多个外观模型进行目标与样本误差分析。具体如下：（1）本文提出了一种在单个外观模型中的特征加权方法，针对外观模型中不同维特征的重要程度，自适应地计算外观模型中各个特征所占比重。该方法能够突出样本在不同维特征上的表现，更准确地描述样本与外观模型的差异；（2）本文提出了一种多个外观模型的加权方法，根据不同外观模型与目标的关联程度，自适应地分配每个外
6、观模型的权重。该方法融合了多个外观模型计算目标和样本的差异性，能够降低跟踪结果受单个外观模型的影响；（3）本文的外观模型更新策略采用静态与动态相结合的方式，保留初始目标的外观模型不变，根据后续帧的跟踪结果更新外观模型，使目标跟踪更适应真实场景的变化。本文与现有的几种目标跟踪算法进行了对比，通过对多个场景视频数据集的实验分析，验证了本文提出算法的鲁棒性与有效性。关键词：偏最小二乘，目标跟踪，多外观模型，自适应加权，粒子滤波IAbstractAbstractVisual objecttracking is an important task in the field of computer
7、vision,it is designed to determine the position of the target objectin the continuously changing dynamic scene. Object tracking technology has important research value and practical value,which iswidely used in robotic
