基于局部外观模型的目标跟踪方法研究

《基于局部外观模型的目标跟踪方法研究》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、硕士学位论文基于局部外观模型的目标跟踪方法研究Researchof0bjectTrackingBasedonLocalAppearanceModel作者姓名：贾旭学科、专业：信号与信息处理专业学号：21009114指导教师：卢湖川教授完成日期：2013年5月3日大连理工大学DalianUniversityofTechnologyllUlIIIIIHIILHIILIIIIIIIIIIIIIIY2415801大连理工大学学位论文独创性声明作者郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究工作所取得的成

2、果。尽我所知，除文中已经注明引用内容和致谢的地方外，本论文不包含其他个人或集体已经发表的研究成果，也不包含其他已申请学位或其他用途使用过的成果。与我一同工作的同志对本研究所做的贡献均已在论文中做了明确的说明并表示了谢意。若有不实之处，本人愿意承担相关法律责任。学位论文题目：差重鱼盐!坚塑塑堡璺堕堡堡主圣堕墅作者签名：!童垫日期：堕年』月上日大连理工大学硕士学位论文摘要目标跟踪是计算机视觉领域研究方向中的一个重要方面，它以跟踪目标物体在视频的每一帧中所呈现出的外观和运动状态的变化为主要目的。本文对目标跟踪领域

3、的经典理论和算法进行了总结，重点分析了目标跟踪任务中的挑战、有代表性的跟踪方法，以及目标跟踪领域发展的历程和近年来的发展趋势。在此基础上，本文提出了两种基于局部外观模型的目标跟踪方法，即基于结构化局部稀疏表示外观模型的自适应跟踪方法和基于在线多核学习的子块目标跟踪。本文首先在生成模型的框架下引入局部外观模型，提出了简单而有效的基于结构化局部稀疏表示的外观模型。通过对目标上的局部图像块进行稀疏编码，然后将得到的编码系数进行平均化和对齐汇聚操作，来充分利用目标的空间结构和局部信息。这样可以找到目标上那些表现稳定

4、、外观变化小的局部模式，利用它们来实现跟踪器对目标的鲁棒跟踪。此外，本文还提出了基于稀疏编码和增量子空间学习方法的更新策略，使得跟踪器可以自适应地捕捉目标的外观变化，并减小错误定位和遮挡带来的误更新。本文还在判决模型的框架下引入局部外观模型，提出了一种新的基于多核学习算法的子块目标跟踪方法。针对视频跟踪任务中帧与帧之间的时间连续性，本文对原始多核学习方法进行了改进，提出了在线多核学习方法并将其用于多个子快上来实现对目标的表示，这样可以自适应的融合多个子块的判别能力，获得具有更强前景背景区分能力的分类器。为了

5、进～步增强方法的鲁棒性，本文方法使用具有互补性质的两种特征来对子块进行描述，使得对目标的表示更加丰富和充分。之后，针对每一种特征训练一个分类器，并根据它们的表现来赋予相应的权重。通过在大量挑战性图像测试序列上进行测试，验证了本文提出的算法的有效性，而且跟踪的表现可以与当前最好的一些方法相媲美。关键词：目标跟踪：局部外观模型：稀疏编码：多核学习基于局部外观模型的目标跟踪方法研究ResearchofObjectTrackingBasedonLocalAppearanceModelAbstractObjecttr

6、ackingplaysanimportantroleinthefieldofcomputervision，withthegoaloflo-eatingthetargetandcapturingthechangeoftarget’sappearanceandmotionineachframe．Thispapersummarizesclassictheoriesandalgorithmsinthefieldofobjecttracking，andgivescom-prehensiveanalysisondiff

7、erentchallengesinobjecttrackingtask，state-of-the-anapproachesandthehistoryanddevelopmenttrendofthisarea．Twokindsofobjecttrackingmethodsbasedonlocalappearancemodelareproposedinthispaper,thatis，Visualtrackingviaadaptivestruc-turallocalsparseappearancemodelan

8、dFragment-basedtrackingusingonlinemultiplekernellearning．Thispaperfirstintroducesthelocalappearancemodelintothegenerativetrackingframe-workandproposesastructurallocalsparseappearancemodel，whichisabletoexploit