动态场景中目标跟踪的遮挡处理与研究

发布时间：2017-04-27 21:17

  本文关键词：动态场景中目标跟踪的遮挡处理与研究，，由笔耕文化传播整理发布。

【摘要】：视频序列中的目标跟踪一直是计算机视觉研究领域的一个重要组成部分,而目标遮挡是视频跟踪中普遍存在的问题,能否有效解决遮挡问题,对于提高跟踪算法的稳定性与鲁棒性有着重要的意义。本文结合当前流行的深度学习以及稀疏表示理论知识,针对目标跟踪中的遮挡问题提出了新的跟踪方法,通过跟踪算法的评估平台对本文提出的算法进行定量分析,并在视觉云台上完成实时目标跟踪与评估。本文主要研究工作如下:在深度学习的理论基础上,提出了一种基于栈式稀疏自编码器(SSAE)的目标跟踪算法。该算法先通过逐层贪婪训练法对SSAE以及Logistic分类器进行预训练,然后采用自顶向下的反向传播对整体网络进行微调。随后在粒子滤波的框架中,通过非监督训练提取粒子的特征,使用Logistic分类器选取置信度最高的粒子作为跟踪结果,实现了跟踪的鲁棒性。基于稀疏表示与粒子滤波理论,提出了基于分块稀疏表示与HSV颜色直方图的跟踪算法。首先通过字典学习法从第一帧中获取字典,随后融合分块稀疏特征与HSV颜色直方图特征,使其同时具备局部特征与全局特征,并选取似然观测值最大的粒子作为跟踪结果。在跟踪过程中对严重遮挡情况进行了有效处理,并采取了实用的模板更新方法,提高了遮挡环境下跟踪的鲁棒性。通过跟踪算法评估系统对所提出的算法以及其他优秀算法进行定量评估。结果表明:与当前流行的算法相比,本文提出的两种跟踪算法有明显的优势,在遮挡环境下均可以实现鲁棒跟踪。其中基于分块稀疏表示与HSV颜色直方图的跟踪算法有着更低的中心偏移误差和更快的跟踪速度,而在跟踪成功率上,本文提出的两种算法均表现优异。在文章的最后介绍了视觉云台跟踪系统,并将文中提出的基于分块稀疏表示与HSV颜色直方图的跟踪算法和其他算法应用于视觉云台的实时跟踪测试。测试结果表明:本文算法在实时跟踪中较其他算法有着更好的表现,在遮挡环境下可实现稳定的鲁棒跟踪,更适用于非快速运动物体的跟踪。
【关键词】：目标跟踪 遮挡处理 稀疏表示 深度学习 算法评估
【学位授予单位】：北京理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要5-6
• Abstract6-11
• 第1章 绪论11-18
• 1.1 课题背景及研究意义11-12
• 1.2 国内外研究现状12-15
• 1.3 跟踪算法在遮挡中存在的问题15-16
• 1.4 本文主要的研究工作以及论文结构安排16-18
• 1.4.1 本文主要研究工作16
• 1.4.2 论文结构安排16-18
• 第2章 深度学习与稀疏表示理论18-32
• 2.1 引言18
• 2.2 深度学习理论18-25
• 2.2.1 栈式自动编码器（SAE）19-21
• 2.2.2 限制玻尔兹曼机（RBM）21-23
• 2.2.3 深度置信网络（DBN）23-24
• 2.2.4 卷积神经网络（CNN）24-25
• 2.3 稀疏表示的概念25-30
• 2.3.1 稀疏信号的重构算法26-30
• 2.3.2 稀疏字典的构造方法30
• 2.4 本章小结30-32
• 第3章 基于栈式稀疏自编码器的目标跟踪算法32-46
• 3.1 引言32
• 3.2 粒子滤波理论32-33
• 3.3 SSAE网络模型33-34
• 3.4 跟踪算法的实现34-38
• 3.4.1 跟踪模型的预训练36-37
• 3.4.2 在线跟踪37-38
• 3.5 实验结果及分析38-45
• 3.5.1 实验参数设置38-39
• 3.5.2 与其他算法的定性比较39-45
• 3.6 本章小结45-46
• 第4章 基于分块稀疏表示与HSV颜色直方图的跟踪算法46-58
• 4.1 引言46
• 4.2 跟踪算法的描述46-47
• 4.3 目标的特征提取47-50
• 4.3.1 目标区域分块47-48
• 4.3.2 构建稀疏字典48
• 4.3.3 图像信息的稀疏重构48
• 4.3.4 HSV直方图模型与融合策略48-50
• 4.4 遮挡处理与模型更新50-51
• 4.5 实验结果及分析51-57
• 4.5.1 实验参数设置51
• 4.5.2 与其他算法的定性比较51-57
• 4.6 本章小结57-58
• 第5章 目标跟踪算法评估系统及平台实现58-71
• 5.1 引言58
• 5.2 目标跟踪算法的评估指标体系58-60
• 5.2.1 中心位置偏移误差58-59
• 5.2.2 基于区域统计的跟踪成功率59-60
• 5.3 目标跟踪算法评估系统平台60-62
• 5.4 本文跟踪算法的评估62-69
• 5.4.1 基于栈式稀疏自编码器目标跟踪算法的定量评估62-65
• 5.4.2 基于分块稀疏表示与HSV颜色直方图跟踪算法的定量评估65-68
• 5.4.3 两种抗遮挡跟踪算法之间的比较68-69
• 5.5 本章小结69-71
• 第6章 视觉云台跟踪系统71-84
• 6.1 引言71
• 6.2 视觉云台系统71-77
• 6.2.1 系统的硬件组成71-73
• 6.2.2 系统的软件设计73-76
• 6.2.3 视觉云台跟踪的实现76-77
• 6.3 云台的跟踪结果与讨论77-83
• 6.3.1 云台跟踪的定性评估77-80
• 6.3.2 云台跟踪的定量评估80-83
• 6.4 本章小结83-84
• 总结与展望84-86
• 参考文献86-92
• 攻读学位期间发表论文与研究成果清单92-93
• 致谢93

【相似文献】

中国期刊全文数据库 前10条

1 李映;张艳宁;许星;;基于信号稀疏表示的形态成分分析:进展和展望[J];电子学报;2009年01期

2 赵瑞珍;王飞;罗阿理;张彦霞;;基于稀疏表示的谱线自动提取方法[J];光谱学与光谱分析;2009年07期

3 杨蜀秦;宁纪锋;何东健;;基于稀疏表示的大米品种识别[J];农业工程学报;2011年03期

4 史加荣;杨威;魏宗田;;基于非负稀疏表示的人脸识别[J];计算机工程与设计;2012年05期

5 高志荣;熊承义;笪邦友;;改进的基于残差加权的稀疏表示人脸识别[J];中南民族大学学报(自然科学版);2012年03期

6 朱杰;杨万扣;唐振民;;基于字典学习的核稀疏表示人脸识别方法[J];模式识别与人工智能;2012年05期

7 耿耀君;张军英;袁细国;;一种基于稀疏表示系数的特征相关性测度[J];模式识别与人工智能;2013年01期

8 张疆勤;廖海斌;李原;;基于因子分析与稀疏表示的多姿态人脸识别[J];计算机工程与应用;2013年05期

9 李正周;王会改;刘梅;丁浩;金钢;;基于形态成分稀疏表示的红外小弱目标检测[J];弹箭与制导学报;2013年04期

10 胡正平;赵淑欢;李静;;基于块稀疏递推残差分析的稀疏表示遮挡鲁棒识别算法研究[J];模式识别与人工智能;2014年01期

中国重要会议论文全文数据库 前3条

1 何爱香;刘玉春;魏广芬;;基于稀疏表示的煤矸界面识别研究[A];虚拟运营与云计算——第十八届全国青年通信学术年会论文集（上册）[C];2013年

2 樊亚翔;孙浩;周石琳;邹焕新;;基于元样本稀疏表示的多视角目标识别[A];2013年中国智能自动化学术会议论文集（第五分册）[C];2013年

3 葛凤翔;任岁玲;郭鑫;郭良浩;孙波;;微弱信号处理及其研究进展[A];中国声学学会水声学分会2013年全国水声学学术会议论文集[C];2013年

中国博士学位论文全文数据库 前10条

1 李进明;基于稀疏表示的图像超分辨率重建方法研究[D];重庆大学;2015年

2 王亚宁;基于信号稀疏表示的电机故障诊断研究[D];河北工业大学;2014年

3 姚明海;视频异常事件检测与认证方法研究[D];东北师范大学;2015年

4 黄国华;蛋白质翻译后修饰位点与药物适应症预测方法研究[D];上海大学;2015年

5 王瑾;基于稀疏表示的数据收集、复原与压缩研究[D];北京工业大学;2015年

6 王文卿;基于融合框架与稀疏表示的遥感影像锐化[D];西安电子科技大学;2015年

7 解虎;高维小样本阵列自适应信号处理方法研究[D];西安电子科技大学;2015年

8 秦振涛;基于稀疏表示及字典学习遥感图像处理关键技术研究[D];成都理工大学;2015年

9 薛明;基于稀疏表示的在线目标跟踪研究[D];上海交通大学;2014年

10 孙乐;空谱联合先验的高光谱图像解混与分类方法[D];南京理工大学;2014年

中国硕士学位论文全文数据库 前10条

1 王道文;基于稀疏表示的目标跟踪算法研究[D];华南理工大学;2015年

2 李哲;基于稀疏表示和LS-SVM的心电信号分类[D];河北大学;2015年

3 孙雪青;Shearlet变换和稀疏表示相结合的甲状腺结节图像融合[D];河北大学;2015年

4 吴丽璇;基于稀疏表示的微聚焦X射线图像去噪方法[D];华南理工大学;2015年

5 赵孝磊;基于图像分块稀疏表示的人脸识别算法研究[D];南京信息工程大学;2015年

6 黄志明;基于辨别式稀疏字典学习的视觉追踪算法研究[D];华南理工大学;2015年

7 张铃华;非约束环境下的稀疏表示人脸识别算法研究[D];南京信息工程大学;2015年

8 贺妍斐;基于稀疏表示与自适应倒易晶胞的遥感图像复原方法研究[D];南京信息工程大学;2015年

9 杨烁;电能质量扰动信号的稀疏表示/压缩采样研究[D];西南交通大学;2015年

10 应艳丽;基于低秩稀疏表示的目标跟踪算法研究[D];西南交通大学;2015年

  本文关键词：动态场景中目标跟踪的遮挡处理与研究，由笔耕文化传播整理发布。

本文编号：331458