压缩感知理论及其在视觉追踪上的应用研究

发布时间：2017-12-29 19:36

  本文关键词：压缩感知理论及其在视觉追踪上的应用研究　出处：《中国海洋大学》2015年硕士论文　论文类型：学位论文

  更多相关文章： 目标追踪 压缩感知 鲁棒主成分分析法 增量学习法

【摘要】：视觉目标跟踪是计算机视觉领域备受关注的基础课题之一,是目标识别、行为分析等高级处理技术的前提和基础,广泛地应用在移动机器人、智能视频监控等领域。由于内部因素(如姿势变化、目标形变等)与外部因素(如光照变化、摄像机运动、遮挡等)引起的目标外观的改变,设计一个鲁棒性强、实时性好的目标跟踪算法仍然是一个研究难点。基于压缩感知理论的目标追踪算法能够很好地处理严重遮挡、目标形变、光照变化、运动模糊等噪声干扰。本文围绕压缩感知理论及其在目标追踪领域上的应用进行了详细的研究。1、详细探讨了压缩感知理论,通过仿真实验验证了压缩感知算法及其框架在图像重建上的有效性,并设计实验比较BP、LASSO、OMP、St-OMP四种重建算法在重建准确度、重建耗时方面的性能,验证了St-OMP算法在重建速度上具有巨大优势,在实时性要求高的应用领域具有进一步研究的价值。2、研究了基于压缩感知的目标追踪算法一—L1 Tracker及其实现框架,设计实验比较L1 Tracker、增量学习法(IVT)、正负样本学习法(P-N)、基于分块直方图的算法(Frag-tracker)四种追踪算法在不同噪声情况下的追踪准确度,验证了L1 Tracker算法在四类算法中具有最高的追踪准确度,稳定性更好。3、研究了L1 Tracker与IVT算法相结合的组合算法。首先将鲁棒主成分分析理论引入L1 Tracker框架,用在线训练获得的正交的PCA本征基向量作为目标模板。其次提出噪声因子用于估计噪声污染程度,探讨基于噪声检测的动态模板更新策略。最后应用St-OMP算法代替LASSO算法以提高算法的运行效率。通过仿真实验证明了组合算法在遮挡、形变、相似物干扰、目标快速运动等情况下比L1 Tracker与IVT算法具有更稳健、准确度更高的追踪性能。
[Abstract]:......
【学位授予单位】：中国海洋大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.41

【相似文献】

相关期刊论文 前3条

1 卢芳;姚青;;业务流程中目标的可视化建模方法研究[J];计算机工程与应用;2011年21期

2 帕孜来·马合木提;;实时微控制器与20-SIM仿真模型的共同仿真实现[J];计算机应用与软件;2011年11期

3 ;[J];;年期

相关会议论文 前1条

1 吕国英;冯艳;李茹;;基于中文框架语义的信息抽取研究[A];第四届全国信息检索与内容安全学术会议论文集（上）[C];2008年

相关硕士学位论文 前2条

1 赵珍珍;压缩感知理论及其在视觉追踪上的应用研究[D];中国海洋大学;2015年

2 阳魁;基于惯导信息的多视角目标模板校正与融合方法研究[D];国防科学技术大学;2011年

，

本文编号：1351606