基于最小生成树模型的多目标跟踪算法研究

发布时间：2017-05-27 08:15

  本文关键词：基于最小生成树模型的多目标跟踪算法研究，，由笔耕文化传播整理发布。

【摘要】：目前,目标跟踪作为计算机视觉领域中重要的研究方向,涉及图像处理、模式识别、人工智能及自动控制等前沿学科理论,并在交通控制、治安管理、人机交互、智能车辆和医疗检测等领域都有广泛应用,对人类生活具有较高的实用价值。但在复杂跟踪场景中,跟踪系统的性能受各种因素的制约,如目标遮挡,光照变化,姿态多样性等。因此设计一个性能良好的跟踪器是很有挑战性的工作,具有重要的现实意义。本文针对复杂环境下的视频序列中多目标跟踪算法的不足,提出了改进的基于空间约束的跟踪算法。多数跟踪器往往只关注目标外观的显著性特征,而忽视了不同目标间的相互关系。由于目标间存在频繁的遮挡和有相似外观,很容易发生跟踪漂移。故本文方法融入目标间的空间相互位置信息,由外观匹配得分结合结构形变得分,通过配置得分最大化输出多目标的最佳位置配置,使跟踪器在多目标场景中能实现更准确的跟踪。该算法将每个运动目标视为一个部分,首先对目标区域进行梯度方向直方图(HOG)特征提取,然后结合支持向量机(SVM)分类器进行样本训练,得到每个目标的外观模型。基于可变形模板的原理,提出最小生成树(MST)模型来建立各个部分之间的联系,在有效表示目标空间结构约束的同时,使整个检测过程计算复杂度较小。在跟踪过程中,使用一个结构化的SVM算法框架(structured SVM)进行参数在线学习,实时更新所有目标的外观模型和这些目标间的结构约束,使跟踪器能够及时适应目标和环境的变化。最后通过实验结果表明,本文算法有效改善了对多目标的跟踪效果,提高了跟踪器的鲁棒性和准确性。
【关键词】：多目标跟踪 在线学习 支持向量机 最小生成树
【学位授予单位】：沈阳大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-16
• 1.1 课题研究背景及意义10-11
• 1.2 目标跟踪技术国内外研究现状11-13
• 1.3 论文的主要工作13-15
• 1.4 论文的结构安排15-16
• 第2章 图像特征提取16-34
• 2.1 图像特征16-24
• 2.1.1 LBP特征16-20
• 2.1.2 Haar-like特征20-21
• 2.1.3 SIFT特征21-24
• 2.1.4 HOG特征24
• 2.2 HOG特征提取方法24-28
• 2.2.1 图像梯度计算25-26
• 2.2.2 空间以及方向上的梯度统计26-27
• 2.2.3 块内梯度直方图的归一化27-28
• 2.2.4 最终HOG特征向量的生成28
• 2.3 基于HOG特征的目标描述28-30
• 2.4 特征提取实验结果30-34
• 第3章 SVM机器学习算法34-44
• 3.1 支持向量机(SVM)原理34
• 3.2 SVM分类器的数学模型34-40
• 3.2.1 线性可分情况下的SVM模型34-38
• 3.2.2 线性不可分情况下的SVM模型38-39
• 3.2.3 非线性可分情况下的SVM模型39-40
• 3.3 SVM分类器设计40-41
• 3.4 基于HOG和SVM的目标外观模型41-44
• 3.4.1 目标外观模型建立41
• 3.4.2 SVM分类器训练41-44
• 第4章 基于可变形模板的多目标跟踪模型构建44-54
• 4.1 可变形模板概述44
• 4.2 图结构模型44-48
• 4.2.1 图的基本概念46-47
• 4.2.2 表示图像结构特征的图47-48
• 4.3 构造最小生成树48-50
• 4.4 建立跟踪模型50-54
• 第5章 基于SVM在线学习的模型参数更新54-66
• 5.1 在线学习跟踪算法概述54-55
• 5.2 SVM在线学习跟踪框架55-56
• 5.3 结构化的SVM学习56-60
• 5.3.1 结构化的SVM56-58
• 5.3.2 结构化学习58-60
• 5.4 实验与结果分析60-66
• 第6章 总结与展望66-68
• 6.1 总结66-67
• 6.2 展望67-68
• 参考文献68-72
• 读研期间研究成果72-73
• 致谢73-74

【相似文献】

中国期刊全文数据库 前10条

1 薛春艳;;最小生成树在城市高速公路问题中的应用[J];电脑编程技巧与维护;2009年06期

2 胡红;;最小生成树的应用及拓展探讨[J];洛阳师范学院学报;2012年02期

3 毛华;史田敏;高瑞;;求最小生成树的矩阵算法[J];郑州大学学报(理学版);2013年04期

4 杨国慧,周春光,黄艳新,吕慧英;最小生成树用于基因表示数据的聚类算法[J];计算机研究与发展;2003年10期

5 杨旭;;求最小生成树的另一算法及其与其它算法的比较[J];重庆电力高等专科学校学报;2003年02期

6 周玉林;最小生成树与次小生成树上的算法分析与设计[J];上饶师范学院学报(自然科学版);2005年03期

7 陈国龙;郭文忠;涂雪珠;陈火旺;;求解多目标最小生成树问题的改进算法[J];软件学报;2006年03期

8 欧阳浩;肖建华;;基于网格的最小生成树聚类算法[J];计算机与现代化;2006年12期

9 阎少宏;王秋丽;杨爱民;;最小生成树问题的分析与研究[J];商场现代化;2007年11期

10 余荣祖;王宇平;;求解多目标最小生成树的一种改进的非支配排序遗传算法[J];电子科技;2007年06期

中国重要会议论文全文数据库 前10条

1 黄宜真;张世R

本文编号：399329