基于子空间聚类的运动分割方法研究

《基于子空间聚类的运动分割方法研究》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、学校代码10459学号或申请号201312172064密级硕士学位论文基于子空间聚类的运动分割方法研究作者姓名：郭江桥导师姓名：叶阳东教授学科门类：工学专业名称：软件工程培养院系：信息工程学院完成时间：2016年5月学位论文原创性声明：所呈交的学位论文本人郑重声明，是本人在导师的指导下，独立进行研究所取得的成果。除文中己经注明引用的内容外，本论文不包含任何其他个人或集。对本文的研究作出重要贡献的个人和集体体已经发表或撰写过的科研成果，均已在文中明确方式标明。。本声明的法律责任

2、由本人承担＾■学位论文作者＾月２《日；ｉ工幸日期年节；今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。，知识产权归属郑州大学根据郑州大学有关保留、使用学位论文的规定，同意学校保留或向国家有关部口或机构送交论文的复印件和电子版，允许论文被查阅和借阅；本人授权郑挪大学、可臥将本学位论文的全部或部分编入有关数据库进行检索，可采用影印缩印或者其他复制手段保存论文和汇编本学位论文。本人离校后发表、使用学位论文一或与该学位论文直接相关的学术论文或成果时。，

3、第署名单位仍然为郑州大学保密论文在解密后应遵守此规定。２学位论文作者：古江杉＊曰期月《曰＾！AthesissubmittedtoZhengzhouUniversityforthedegreeofMasterMotionSegmentationBasedonSubspaceClusteringByGuoJiangqiaoSupervisor:Prof.YeYangdongSoftwareEngineeringSchoolofInformationEngineeringMay2016摘要摘

4、要运动分割是视频序列场景分析和理解的基础，是计算机视觉、模式识别等领域的重要研究内容，广泛应用于自动导航，治安监控，智能交通等等。近些年来，随着人类世界信息量急剧膨胀，高维数据的不断涌入，运动分割的研究方法也在不断完善和不断适应新环境，传统的运动分割方法面对高维数据，噪声干扰，相机移动等问题大都存在这样那样的问题，很难达到理想的分割效果。这样的背景下，基于子空间聚类的运动分割方法迅速上位，成为处理运动分割问题最有效的方法之一。相比传统运动分割方法，该类方法有很多优势，尤其是基于谱聚类的低秩表示子

5、空间聚类和稀疏表示子空间聚类，它们兼容高维数据，而且对于噪声干扰、相机移动等问题具有很好的鲁棒性。基于子空间聚类的运动分割方法首先根据相关的优化算法找到一个测度数据点两两之间相似程度的相似度矩阵，它描述为同一子空间内的数据点保持较大相似性测度，不同子空间里的数据点保持较小相似性测度。然后基于所找的相似度矩阵，构建一个相似度图，数据点对应图结点，数据点之间的相似性测度对应边权重。最后利用相关的谱聚类方法，将这个相似度图里的节点聚类到不同子空间来实现簇的划分并最终完成运动分割。本文提出一种新的基于一

6、致性稀疏子空间聚类的运动分割方法。稀疏子空间聚类通过寻求数据点关于其他数据点的稀疏表示来提取高维数据中的低维子结构，没有考虑不同特征点隶属同一子空间的可能性，忽略了特征点间的运动一致性信息。本文针对这一问题，基于视频中跟踪点运动的一致程度，定义―一致性度量模型‖，该模型在求解数据的稀疏表示之前准确度量了数据点隶属于同一子空间的可能性；根据这一模型本文又提出一种采用子空间聚类处理运动分割问题的算法：一致性稀疏子空间聚类算法（ConsistencySparseSubspaceClustering，C

7、SSC）。CSSC算法将运动的一致程度引入到稀疏优化模型的目标函数中，得到带有一致性约束的稀疏优化模型，采用交替方向乘子法求解新模型，在最小化约束下，新模型更有利于分离出稀疏表示系数中的大系数，特征点轨迹更有利于被隶属于同一运动物体的其他特征点轨迹线性表示，从而得到更优的稀疏表示。实验结果表明，本文所提模型能够得到更优的稀疏表示，一致性约束的引入，能在一定程度上把一部分误划分的特征点拉回到跟它运动比较一致的那部分特征点所属的簇，使得CSSC算法能够正确识别从属于背景运动的大量特征点。相比同类其他

8、算法，本文所提算法取得更高的聚类精度和更好的分割结果，尤其是对于背景运动中特征点的划分更为准确。关键词：运动分割；子空间聚类；稀疏表示；一致性；交替方向乘子法IAbstractAbstractMotionsegmentationisthebasisoftheanalysisandunderstandingofthescenevideosequences.Inthefieldsofcomputervisionandpatternrecognition,motionsegmentationisani