复杂环境下视频跟踪算法研究

《复杂环境下视频跟踪算法研究》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、⑧论文作者签名：二藿生指导教师签名：二亏』虻万方数据论文评阅人1：亟态主副熬援浙婆太堂焦垫丕评阅人2：廑慧丝副熬拯浙江太堂焦电丕评阅人3：隐丝迁因评阅人4：评阅人5：答辩委员会主席：厘芝邕经熬援生国i土量堂瞳委员1：挂敛副数援浙婆太堂焦电丞委员2：割云连副熬援逝婆太堂焦电丕委员3：廑蓥蛆副熬援逝婆太堂焦皂丕委员4：王蓥筮熬援浙江太堂焦垫丕委员5：浙江大学研究生学位论文独创性声明。勰万方数据本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地方外，

2、论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得逝'江盘堂或其他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谢意。学位论文作者签名：嗜绎签字日期：≯D协年易月c7日学位论文版权使用授权书本学位论文作者完全了解逝姿盘堂有权保留并向国家有关部门或机构送交本论文的复印件和磁盘，允许论文被查阅和借阅。本人授权盘姿盘堂可以将学位论文的全部或部分内容编入有关数据库进行检索和传播，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(

3、保密的学位论文在解密后适用本授权书)学位论文作者签名：髻舻签字日期：力口协年易月7日导师繇孑签字日期：加c牛年6月lo日万方数据浙江大学硕士学位论文摘要视频跟踪是计算机视觉领域的一个极具有挑战性的研究课题，因为真实视频场景中存在复杂的目标外观变化，如尺度变化、部分遮挡、3D旋转、光照变化、目标变形等。为了解决上述复杂环境导致的跟踪不理想问题，论文在深入分析一些经典的基于判别模型的视频跟踪算法的基础上，提出了三种不同的视频跟踪方法。论文的主要工作和创新之处在于：1．首次将排序学习算法——排序向量SV

4、M(RV．SVM)引入视频跟踪领域，提出了一种基于RV．SVM的视频跟踪算法。该算法利用稀疏随机矩阵提取样本的多尺度特征，通过Median．Flow跟踪算法估计目标在下一帧中位置以及构建训练样本集，最后，在线训练RV．SVM算法，将目标和背景分开。该算法能够有效的处理目标尺度变化、部分遮挡、光照变化、3D旋转以及目标快速移动等问题。2．并4用分治的算法思想，提出了一种分块的循环矩阵跟踪算法。该算法将目标进行分块处理，对每个子目标分别进行循环矩阵跟踪。对于每个子目标的跟踪结果，赋予不同的置信度，根据

5、这些子目标跟踪结果及置信度得到目标的真实位置。该算法能够解决循环矩阵跟踪算法在同时遇到目标姿态快速变化、尺度变化和严重遮挡等复杂的情况时，容易丢失目标这一问题。3．提出了一个基于对数似然图像的尺度自适应跟踪算法。该算法首先构建对数似然图像，在对该图像进行数学形态学处理之后，再进行椭圆拟合，并估算目标的尺寸，根据新的目标尺寸，更新Mean．Shift算法的核函数窗口和样本数量。算法简单有效，能够解决目标跟踪中的尺度和旋转问题。4．基于前述研究工作，开发了一个鲁棒高效的视频跟踪演示系统。该系统支持本地

6、视频文件、网络摄像头、图片序列3种视频输入方式，集成了5种视频跟踪算法，提供视频打开、播放、暂停及视频跟踪、算法切换、暂停跟踪等功能。关键词：复杂环境，判别模型，排序学习，循环矩阵跟踪，尺度自适应跟踪万方数据浙江大学硕士学位论文AbstractVisualtrackingisaverychallengingtaskincomputervisioncommunity,becausetheobjectappearanceexistsmanycomplexchangesinrealisticscenar

7、ios，suchasscalechanges，partialocclusion，3Drotation，illuminationchanges，objectdeformation，andSOon．Toaddresstheproblem，thisthesisgivesadeepsurveyandstudyofclassicvisualtrackingalgorithmbasedondiscriminativemethod，andproposesseveralefficientvisualtrackin

8、gmethods．Themajorworkandcontributionslieinseveralfieldsasfollows．1．Anovelleaningtorankalgorithm，referredtoasRankingVectorSVM(RV-SVM)，introducedtothevisualtrackingcommunity,andproposeallefficientvisualtrackingalgorithmbasedonRv-SVM．First．thealg