稀疏表示及多示例跟踪算法研究及其在视频监控中的应用

发布时间：2022-01-08 14:31

　　随着我国交通运输业的发展,基于计算机视觉处理技术的交通监控系统的应用日趋普遍。目标跟踪在计算机处理领域中扮演承上启下的角色。近年来,目标跟踪技术得到深远的发展,由于场景光照、目标尺度、姿态的变化以及遮挡等难点问题,给目标跟踪算法带来很大的挑战。因此,如何应对上述困难实现目标鲁棒的跟踪仍然是一个值得深入研究的问题。本文针对上述问题,在大量分析国内外相关文献的基础上,对目标跟踪问题进行深入研究,围绕智能监控系统中的行人,车辆目标的跟踪展开研究,旨在提高目标跟踪算法的准确性、鲁棒性,使其满足智能监控系统的实际需求。本文的主要研究工作如下:1.在理论上对多示例学习算法及稀疏表示算法进行分析,将其应用到图像分类研究中,提出了一种融合稀疏编码理论及多示例学习的改进多示例图像分类算法。该算法针对传统的基于包空间特征表示的多示例图像分类算法,在特征选择过程中存在忽略小目标概念且包含大量冗余信息,造成部分训练包信息损失,影响分类性能的问题进行改进。首先根据同类样本示例聚为一簇的特性,应用聚类算法构造每类图像的视觉词汇,并利用负包中所有示例都为负的特性,对视觉词汇进行约束,消除冗余信息;依据训练样本示例与... 

【文章来源】：西北工业大学陕西省 211工程院校 985工程院校

【文章页数】：124 页

【学位级别】：博士

【部分图文】：

目标跟踪的结构图

图 2-2 多示例学习算法与三大机器学习算法之间的区别Fig. 2-2 The difference between multiple instance learning and machine learning多示例分类算法

图 2-3 本章分类算法在 COREL 图像集上的部分分类结果Fig. 2-3 The sample classification results of the proposed method in COREL datase 2： 字典大小对算法分类性能的影响描述字典大小对本章分类算法的影响，实验中以 COREL 数据集的 1类效果为例，采用大小不一的字典对进行分类实验，其实验平均分类

【参考文献】：
期刊论文
[1]基于包级空间多示例稀疏表示的图像分类算法[J]. 杨红红,曲仕茹,金红霞.  西北工业大学学报. 2017(04)
[2]基于外观模型的目标跟踪算法研究进展[J]. 李娜,赵祥模,赵凤,刘卫华,王倩.  计算机工程与科学. 2017(03)
[3]深度学习在视频目标跟踪中的应用进展与展望[J]. 管皓,薛向阳,安志勇.  自动化学报. 2016(06)
[4]基于稀疏约束深度学习的交通目标跟踪[J]. 杨红红,曲仕茹.  中国公路学报. 2016(06)
[5]基于权值分配及多特征表示的在线多示例学习跟踪[J]. 杨红红,曲仕茹,米秀秀.  北京航空航天大学学报. 2016(10)
[6]几种新超像素算法的研究[J]. 张晓平.  控制工程. 2015(05)
[7]一种基于压缩感知的在线学习跟踪算法[J]. 刘威,赵文杰,李成.  光学学报. 2015(09)
[8]融合SIFT特征的压缩跟踪算法[J]. 钟权,周进,崔雄文.  光电工程. 2015(02)
[9]多特征联合的稀疏跟踪方法[J]. 胡昭华,徐玉伟,赵孝磊,何军.  计算机应用. 2014(08)
[10]基于稀疏表示和特征选择的LK目标跟踪[J]. 潘晴,曾仲杰.  计算机应用研究. 2014(02)

博士论文
[1]基于特征选择的嵌入空间多示例学习算法研究[D]. 袁立明.哈尔滨工业大学 2014
[2]基于统计学习的视觉目标跟踪算法研究[D]. 刘荣利.上海交通大学 2014
[3]复杂环境下的车辆目标跟踪技术研究[D]. 徐旭.吉林大学 2013

硕士论文
[1]基于局部稀疏表示模型的在线字典学习跟踪算法研究[D]. 罗燕龙.厦门大学 2014
[2]基于特征加权的在线多示例学习跟踪算法[D]. 刘薇.厦门大学 2014
[3]基于视频的交通数据采集技术研究[D]. 徐文聪.山东大学 2012



本文编号：3576724