版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、在計算機視覺領(lǐng)域中,目標跟蹤是一個頗具應(yīng)用價值的研究課題,被廣泛地應(yīng)用于航空、交通、公共安全、軍事等方面,一直以來都是人們關(guān)注的熱點問題,吸引了越來越多的研究人員從事目標跟蹤的研究。然而,視頻序列中目標的準確跟蹤是一個頗具挑戰(zhàn)性的任務(wù),其中制約跟蹤效果的最大因素莫過于目標的外觀變化,包括姿勢和形狀等內(nèi)因變化,以及光照、移位、相機視角、遮擋和消失重現(xiàn)等外因變化。一個優(yōu)秀的視頻跟蹤算法必須要綜合考慮上述因素,才能取得好的結(jié)果。
目
2、標是否能夠被成功跟蹤主要取決于能否成功將目標從周圍環(huán)境中分割出來,因此可以把目標的跟蹤問題看作一個二分類問題,也叫作基于檢測的跟蹤(tracking by detection),這種方法目前受到了廣泛的關(guān)注。這類方法通過訓(xùn)練判別分類器將目標對象從背景中分離出來;分類器的訓(xùn)練是根據(jù)當前的跟蹤狀態(tài)從當前幀中提取正負樣本來進行的,但訓(xùn)練樣本的不準確將導(dǎo)致分類器退化產(chǎn)生漂移。本文針對此問題,作了關(guān)于以下內(nèi)容的研究:
?。?)學(xué)習(xí)算法的研
3、究。分類器的性能主要取決于更新時所選用的學(xué)習(xí)算法,對當前流行的經(jīng)典學(xué)習(xí)算法進行了深入的學(xué)習(xí)與研究,包括集成學(xué)習(xí)、boosting學(xué)習(xí)、多示例學(xué)習(xí)和P-N學(xué)習(xí),分析這些學(xué)習(xí)算法的結(jié)構(gòu)原理,并通過實驗了解各算法的優(yōu)缺點。
?。?)分類器的選取。分類器的構(gòu)建也有很多方法,本文重點研究了由隨機森林分類器演化而來的隨機蕨叢分類器,它的結(jié)構(gòu)簡單、易于實現(xiàn)、分類準確快速。
(3)學(xué)習(xí)并實現(xiàn)了中值流跟蹤算法,提出了一種能夠有效克服目標
4、漂移的跟蹤算法:基于多示例學(xué)習(xí)和隨機蕨叢檢測的在線目標跟蹤算法。主要思路如下:利用中值流跟蹤器跟蹤目標的大致位置;級聯(lián)若干個隨機蕨弱分類器構(gòu)成強分類器,作為隨機蕨叢檢測器;跟蹤器和檢測器的結(jié)果相互驗證融合得到最終的目標位置;用在線多示例學(xué)習(xí)的方法更新檢測器,當目標消失重現(xiàn)后由檢測器的結(jié)果初始化跟蹤器。
本算法在一些具有挑戰(zhàn)性的視頻中試驗,結(jié)果表明,本方法是一個健壯的實時目標跟蹤算法,在目標快速劇烈運動或者消失一段時間后重現(xiàn)等復(fù)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于隨機蕨叢的長期目標跟蹤方法研究.pdf
- 基于在線多示例學(xué)習(xí)的目標跟蹤算法研究.pdf
- 基于特征加權(quán)的在線多示例學(xué)習(xí)跟蹤算法.pdf
- 基于SURF特征的多示例學(xué)習(xí)的目標跟蹤算法.pdf
- 結(jié)合多示例學(xué)習(xí)和模板匹配的目標跟蹤算法研究.pdf
- 基于多示例學(xué)習(xí)的顯著性目標檢測.pdf
- 基于多示例學(xué)習(xí)的目標跟蹤算法及其并行化研究.pdf
- 基于多示例學(xué)習(xí)的機器人目標跟蹤技術(shù)研究.pdf
- 基于多聚類和多示例的協(xié)同顯著性目標檢測.pdf
- 基于多示例的多尺度目標檢測算法研究.pdf
- 基于隨機集的多目標聯(lián)合檢測、跟蹤和分類.pdf
- 基于深度學(xué)習(xí)和強化學(xué)習(xí)的多目標檢測跟蹤.pdf
- 基于分塊模型和在線學(xué)習(xí)的目標跟蹤.pdf
- 基于隨機有限集多擴展目標跟蹤方法的研究.pdf
- 基于隨機有限集的多擴展目標跟蹤算法研究.pdf
- 基于在線學(xué)習(xí)的運動目標跟蹤算法研究.pdf
- 基于視頻的目標檢測和跟蹤.pdf
- 在線集群學(xué)習(xí)框架下的多攝像頭目標跟蹤.pdf
- 基于特征的視頻目標檢測和跟蹤.pdf
- 基于稀疏表示和隨機森林的目標跟蹤算法.pdf
評論
0/150
提交評論