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、近年來,目標跟蹤在計算機視覺領(lǐng)域扮演著非常重要的角色,同時也是其研究熱點。隨著目標跟蹤技術(shù)的不斷發(fā)展,它在各種各樣實際的應(yīng)用中都發(fā)揮著至關(guān)重要的作用。因此,各種目標跟蹤方法應(yīng)運而生,主要有基于產(chǎn)生式外觀模型的目標跟蹤方法,也有基于判別式外觀模型的目標跟蹤方法,還有將兩者結(jié)合起來的目標跟蹤方法。近幾年,稀疏表示對于遮擋等目標跟蹤中的難點問題有不錯的效果?;谙∈鑵f(xié)作模型的目標跟蹤算法就是一個性能及魯棒性較強的目標跟蹤算法,它是在粒子濾波的
2、框架下,應(yīng)用基于全局模板的稀疏判別式模型以及基于局部直方圖的稀疏產(chǎn)生式模型,它綜合了兩者的長處,在目標跟蹤問題上取得了不錯的效果。非負稀疏表示就是在對目標進行稀疏表示時上加入非負約束,使得目標的物理意義得以保留。由于目標跟蹤過程中得到的數(shù)據(jù)以及提取的特征都具有一定的非負性,它符合非負稀疏表示的前提,而且在SCM中基于局部直方圖的稀疏產(chǎn)生式模型對系數(shù)有潛在的非負要求,因此本文第一個工作是將非負約束引入SCM中,提出基于非負稀疏協(xié)作模型(N
3、-SCM)的目標跟蹤算法。與此同時,考慮到測試樣本與訓(xùn)練樣本之間往往具有一定的相關(guān)性,對稀疏表示的系數(shù)加上合理的權(quán)重能夠取得很好的效果,因此,本文第二個工作是給SCM中的稀疏系數(shù)加上相應(yīng)的權(quán)值,提出基于加權(quán)稀疏協(xié)作模型(W-SCM)的目標跟蹤算法。本文第三個工作是給SCM中同時加入非負約束以及權(quán)重限制,提出基于非負加權(quán)稀疏協(xié)作模型(NW-SCM)的目標跟蹤算法。
本文的研究內(nèi)容總結(jié)如下:
(1)為了提高基于稀疏協(xié)作模
4、型(SCM)的目標跟蹤算法跟蹤效果,更好地利用原始數(shù)據(jù),將非負約束加入SCM算法中,提出基于非負稀疏協(xié)作模型(N-SCM)的目標跟蹤算法。N-SCM算法中給出一個迭代更新策略來求解稀疏系數(shù),并且對目標函數(shù)的迭代收斂性進行了證明。實驗結(jié)果表明,N-SCM算法和SCM算法相比性能有明顯的提升。
(2)考慮到在以往的稀疏表示中,往往忽略了測試樣本與訓(xùn)練樣本之間的相關(guān)性,這使得到的稀疏系數(shù)還有提升的空間,因此我們對稀疏協(xié)作模型中的系數(shù)
5、加權(quán),提出基于加權(quán)稀疏協(xié)作模型(W-SCM)的目標跟蹤算法。W-SCM算法采用一個迭代算法來求解目標函數(shù)的全局最優(yōu)解,并給出其算法合理性的理論證明。實驗結(jié)果表明,W-SCM算法的跟蹤效果較SCM算法有一定得提升。
(3)基于稀疏協(xié)作模型上加上權(quán)重和非負約束分別都能夠?qū)λ惴ㄓ幸欢ǖ奶嵘Ч?,我們不僅對稀疏系數(shù)進行非負限制,同時給稀疏系數(shù)加上合適的權(quán)重,提出基于非負加權(quán)稀疏協(xié)作模型(NW-SCM)的目標跟蹤算法。NW-SCM算法中
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
- 基于稀疏表示和非負矩陣分解理論的目標跟蹤算法研究.pdf
- 基于非負編碼Boosting的目標跟蹤算法研究.pdf
- 基于稀疏表示模型的目標跟蹤算法.pdf
- 基于稀疏表征的目標跟蹤算法研究.pdf
- 基于稀疏表達的目標跟蹤算法研究.pdf
- 基于稀疏表示的目標跟蹤算法.pdf
- 基于稀疏外觀模型學(xué)習(xí)的目標持續(xù)性跟蹤算法研究.pdf
- 基于改進的稀疏表示的目標跟蹤算法研究.pdf
- 基于稀疏哈希算法的目標跟蹤方法研究.pdf
- 基于稀疏表示的目標檢測與跟蹤算法研究.pdf
- 基于稀疏表示的目標跟蹤算法研究與實現(xiàn).pdf
- 基于低秩稀疏表示的目標跟蹤算法研究.pdf
- 基于稀疏和壓縮感知的目標跟蹤算法研究.pdf
- 基于稀疏表示的多車輛目標跟蹤算法研究.pdf
- 基于稀疏表示的運動目標檢測與跟蹤算法研究.pdf
- 基于分區(qū)域稀疏表示的目標跟蹤算法.pdf
- 基于稀疏表示的小弱運動目標跟蹤算法研究.pdf
- 基于特征加權(quán)的快速壓縮感知目標跟蹤算法研究.pdf
- 基于編碼模型的目標跟蹤算法研究.pdf
- 基于粒子濾波和稀疏表示的目標跟蹤算法研究.pdf
評論
0/150
提交評論