基于稀疏模型的运动跟踪识别算法

发布时间：2018-12-13 07:12

【摘要】：运动跟踪识别,是计算机视觉的基础和关键技术以及数字图像处理的重要分支。它为用户提供查看和检索的运动信息,为目标特征提取、识别分类提供基础,其结果直接影响行为理解、语义描述以及推理决策等后继的高层次处理。目前这些技术已在军事科学、生物医学科学、信息科学和气象学等领域的科研和工程实践中发挥着极大的作用。本论文研究了运动跟踪识别中光流和遮挡的计算检测、运动目标的跟踪、动作识别的三个具体问题。这三个具体问题是计算机视觉领域中研究内容的重要组成部分,为智能化分析提供重要依据。然而,由于运动状态的复杂性以及人类对视觉系统感知运动的机理认识不足,运动跟踪识别仍然是一个富有挑战性难题。稀疏表示的特征是具有稳定的重构能力和充分的维度减少能力。它能够有效的表示图像/视频数据中本质的、有意义的关键内容,抑制噪声和遮挡的影响。基于稀疏表示的最小化,能有效的提高运算的效率和鲁棒性。目前,基于稀疏表示模型的方法引起了广泛的关注。本论文内容包括四个方面:基于稀疏模型实现光流和遮挡的计算检测;发展一个鲁棒稀疏模型;发展一个稀疏模型用于运动目标的跟踪;基于稀疏模型实现动作识别。(1)在遮挡区域中,有意义信息过少往往导致运动物体出现模糊属性。为此,本文组合了时空域与变换域中的稀疏特征表示遮挡,采用Stein-Weiss解析函数作为变分模型正则化函数和稀疏模型变换函数,从而建立一个统一的没有经由稀疏转换的稀疏模型和伴随有稀疏转换的稀疏模型的光流框架。对于伴随有稀疏转换的稀疏模型的字典学习,通过没有经由稀疏转换的稀疏模型直接生成一个全局的字典,从而将该全局的字典生成对应层叠块的小块字典。在Middlebury和Sintel评估数据库中,对比目前一些流行的检测光流与遮挡的算法,本文的算法具有优越的表现效果。(2)为了有效地从多个任务中选择共享的稀疏特征,本文提出了一个鲁棒的多任务学习模型。在损失函数方面,非平滑函数的调节设置抑制了每个任务噪音的影响。在正则化条件方面,非凸性质的正则化条件能够良好地逼近原始的0型正则化条件,且凸性质的正则化条件往往允许有一个全局的最优解。本文使用了凸性质和非凸性质的条件正则化加权矩阵,进行有效的平衡和杠杆;同时发展了一个有效的优化方法解决非平滑非凸的最小化问题。在合成的数据与评估数据集的实验中,对比目前一些流行的多任务特征学习算法,本文的算法具有优越的表现效果。(3)为了有效地在目标跟踪中应用多任务共享稀疏特征,本文提出了一个具有调节和识别能力的多任务稀疏特征模型。在损失函数方面,非平滑函数的设置调节了每个任务的噪音水平。在正则化条件方面,加权矩阵分离为两个特定的结构,探索相关任务的共享稀疏特征以及识别不相关的任务;同时发展了一个有效的优化方法解决非平滑非凸的最小化问题。在公开可用的视频序列数据库中,对比目前一些流行的目标跟踪算法,本文的算法具有优越的表现效果。(4)本文还应用了lasso稀疏模型,将动作识别作为基于最大平均相关高度滤波的最小化问题,建立了一个简单动作识别算法。评估数据集的实验表明了,本文提出的算法具有良好的表现。
[Abstract]:......
【学位授予单位】：华南理工大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：TP391.41

【相似文献】

相关期刊论文 前10条

1 洪涛,王申康;基于图像特征分析的人体正面运动跟踪研究[J];浙江大学学报(工学版);2005年06期

2 李玲;崔凌;刘浩;;人体运动跟踪技术在智能康复系统中的应用[J];科技风;2009年19期

3 蒋洁;郭宝龙;莫玮;;一种基于运动跟踪的帧内刷新技术[J];光电子.激光;2010年09期

4 沈建锋;杨文明;廖庆敏;;结合部件分割和粒子滤波的3D人体运动跟踪[J];计算机辅助设计与图形学学报;2012年02期

5 李瑞芳,刘忱;After Effects 4.1软件使用技巧系列讲座第四讲——运动跟踪技术[J];电视字幕(特技与动画);2001年05期

6 朱强;庄越挺;陈家实;潘云鹤;;基于色块的人体运动跟踪[J];模式识别与人工智能;2001年04期

7 陈睿,刘国翌,赵国英,张俊,李华;基于序列蒙特卡罗方法的3D人体运动跟踪[J];计算机辅助设计与图形学学报;2005年01期

8 蒋明;蒋毅;曾晓雁;;激光飞行标刻运动跟踪技术[J];中国激光;2007年02期

9 黄苜;;基于分布算法的人体运动跟踪系统[J];广西轻工业;2008年03期

10 李金;于虹;周璐璐;梁洪;;基于量子遗传和无迹粒子滤波的人体运动跟踪[J];系统仿真学报;2008年18期

相关会议论文 前5条

1 董华;王人成;黄昌华;金德闻;;人体运动跟踪方法的研究进展[A];中国康复医学会第四届会员代表大会暨第三届中国康复医学学术大会论文汇编[C];2001年

2 吴晋斌;叶龙;王京玲;;基于运动模型的人体运动跟踪[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年

3 于慧;孙光民;李笑;;一种人体运动跟踪方法[A];通信理论与信号处理新进展——2005年通信理论与信号处理年会论文集[C];2005年

4 李建华;孙怡;马小妹;安宏杰;;基于距离图像的人体下肢关节点运动跟踪[A];第十届全国信号处理学术年会（CCSP-2001）论文集[C];2001年

5 张玉祥;李华成;马柳艺;;基于MEMS器件的交互笔运动跟踪研究[A];第九届全国信息获取与处理学术会议论文集Ⅰ[C];2011年

相关博士学位论文 前10条

1 李东年;基于深度图像序列的三维人手运动跟踪技术研究[D];山东大学;2015年

2 陈鹏光;基于稀疏模型的运动跟踪识别算法[D];华南理工大学;2016年

3 孙怡;人体运动跟踪的方法与实验研究[D];大连理工大学;2002年

4 陈坚;单目视频人体运动跟踪和获取技术研究[D];中国科学院研究生院（软件研究所）;2005年

5 刘国翌;基于视频的人体运动跟踪技术研究[D];中国科学院研究生院（计算技术研究所）;2005年

6 孙洛;基于多摄像机的人体运动跟踪与分析[D];清华大学;2010年

7 陈姝;基于视频的人体运动跟踪与重构方法研究[D];中南大学;2008年

8 刘国军;基于可移动拍摄大场景下的人体运动跟踪关键技术的研究与应用[D];哈尔滨工业大学;2009年

9 陈睿;基于概率模型的三维人体运动跟踪研究[D];中国科学院研究生院（计算技术研究所）;2005年

10 马英红;一种基于磁场检测的手部运动跟踪系统[D];西安电子科技大学;2011年

相关硕士学位论文 前10条

1 丁强;基于FPGA与机器视觉的运动跟踪系统设计[D];内蒙古大学;2016年

2 杨红梅;基于人体运动跟踪的远程康复系统关键技术的研究[D];重庆邮电大学;2010年

3 李玲;基于人体运动跟踪的智能康复系统关键技术的研究[D];重庆邮电大学;2009年

4 边林海;基于视频的人体运动跟踪技术研究[D];沈阳航空航天大学;2011年

5 冯莲;基于视频的人体运动跟踪技术研究[D];湖南大学;2006年

6 蔡聪;基于视频的动物运动跟踪分析系统及应用研究[D];华中科技大学;2011年

7 冯光洁;基于多目标优化的视频人体运动跟踪[D];西安电子科技大学;2012年

8 高书秀;基于卡尔曼滤波的多区域联合人体运动跟踪的研究与应用[D];哈尔滨工业大学;2007年

9 尹光明;基于单目视频的运动跟踪算法研究与实现[D];华中科技大学;2008年

10 苟靖翔;基于视觉信息特征和机器学习的人体运动跟踪与三维姿势恢复[D];西安电子科技大学;2012年

，

本文编号：2376130