基于稀疏表示和极坐标下尺度不变性的目标跟踪算法研究

发布时间：2024-01-27 01:52

　　目标跟踪是计算机视觉领域的研究热点之一,目前在诸如娱乐、医疗、交通、金融、军事防御等领域有着广泛应用。纵观目标跟踪的发展史,不难发现目标跟踪技术从未停止过发展的脚步,但被跟踪目标由于收到内外因素的影响,比如遮挡、旋转、姿态变化和光照变化等,使得建立鲁棒的目标跟踪系统仍然是个巨大的挑战。最近几年来,目标跟踪算法主要包括生成方法和判别方法两大类,每类方法都有自己独特的优势,且纷纷引起了高校以及科研机构的研究人员的广泛关注。本文主要研究了两类目标跟踪方法,一是属于生成方法类的稀疏表示目标跟踪算法,二是属于判别方法类的相关滤波目标跟踪算法,下面依次对项目内容进行简述:传统的稀疏表示目标跟踪方法基于单一的外观模型,在目标与背景相似或出现遮挡、光照变化、姿态变化或旋转时容易出现跟踪失败的结果。因此提出一种多外观模型融合的目标跟踪算法,利用稀疏编码技术和多模板方式,获得目标的全局、局部和空间结构信息,再通过特征间的加权融合定位目标。而模板更新采用了基于稀疏约束的增量主成分分析方法,不仅具有遮挡处理能力,而且算法计算量小,外观模型更新效率高。实验结果表明,该方法可以有效跟踪在场景中具有多种变化的目标。...

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 研究现状
    1.3 目标跟踪方法分类
        1.3.1 生成类目标跟踪方法
        1.3.2 判决类目标跟踪方法
    1.4 目标跟踪面临的挑战
        1.4.1 外观变化
        1.4.2 外在干扰
    1.5 主要研究项目和章节内容
        1.5.1 主要研究项目
        1.5.2 章节内容
第二章 相关理论知识
    2.1 引言
    2.2 粒子滤波理论
        2.2.1 仿射变换
    2.3 稀疏表示
        2.3.1 融入稀疏表示思想的目标跟踪算法
    2.4 相关滤波理论
        2.4.1 MOSSE滤波器
        2.4.2 KCF滤波器
    2.5 本章小结
第三章 基于稀疏表示的多外观模型融合目标跟踪
    3.1 引言
    3.2 算法实现
        3.2.1 全局稀疏外观模型
        3.2.2 局部稀疏外观模型
        3.2.3 多外观模型融合
        3.2.4 模型更新
    3.3 实验结果与分析
        3.3.1 定性评估
        3.3.2 定量评估
    3.4 本章小结
第四章 一种极坐标下尺度不变性的目标跟踪方法
    4.1 引言
    4.2 算法实现
        4.2.1 平移预测
        4.2.2 尺度估计
        4.2.3 模型更新
    4.3 实验结果与分析
        4.3.1 定性评估
        4.3.2 定量评估
    4.4 本章小结
结论和展望
参考文献
攻读硕士学位期间参与的科研项目和取得的学术成果
致谢



本文编号：3886085