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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、隨著智能視頻監(jiān)控系統(tǒng)的廣泛普及,計(jì)算機(jī)視覺理論研究不斷深入,其中目標(biāo)跟蹤在理論研究和實(shí)際應(yīng)用上獲得了越來越多的重視,已然成為計(jì)算機(jī)視覺研究范疇中的重要課題。為了克服在單一的可見光視頻中目標(biāo)跟蹤算法應(yīng)對(duì)復(fù)雜環(huán)境的局限性,如霧霾天氣、低照度、背景雜亂等,可以通過融合除了可見光視頻外的其他模態(tài)的視頻信息,如熱紅外視頻,從而實(shí)現(xiàn)對(duì)目標(biāo)更穩(wěn)健持續(xù)的跟蹤。近年來的多模態(tài)目標(biāo)跟蹤方法,尤其是可見光-熱紅外跟蹤,主要集中在研究目標(biāo)外觀的稀疏表示模型上,
2、因?yàn)橄∈璞硎灸P途哂幸种圃肼暫徒档驼`差的能力。然而,現(xiàn)有的多模態(tài)目標(biāo)跟蹤方法大多只考慮候選目標(biāo)的整體結(jié)構(gòu)或其內(nèi)在結(jié)構(gòu),忽略了目標(biāo)的整體和內(nèi)部信息對(duì)于目標(biāo)跟蹤的可靠性,未能將多模態(tài)視頻信息實(shí)現(xiàn)自適應(yīng)融合。
針對(duì)基于稀疏表示的多模態(tài)目標(biāo)跟蹤問題,一方面,如何在融合兩個(gè)模態(tài)的視頻信息的同時(shí)兼顧各模態(tài)下的稀疏表示系數(shù)的相關(guān)性,實(shí)現(xiàn)更加魯棒和穩(wěn)定的多模態(tài)目標(biāo)跟蹤。另一方面,如何構(gòu)建一個(gè)目標(biāo)稀疏表示模型,既能系統(tǒng)地表示跟蹤目標(biāo)的全局和局部
3、外觀,同時(shí)又能抑制背景信息的影響。本文主要進(jìn)行了以下兩方面的研究:
(1)在多模態(tài)目標(biāo)跟蹤過程中,為了應(yīng)對(duì)不同的場景條件,做到自適應(yīng)地融合各模態(tài)信息,在不同場景條件下適當(dāng)取舍各模態(tài)視頻信息,實(shí)現(xiàn)更加準(zhǔn)確的表達(dá)目標(biāo)外觀,本文在粒子濾波框架下,提出了一種基于協(xié)同稀疏表示模型的多模態(tài)目標(biāo)跟蹤方法。本文提出的多模態(tài)協(xié)同稀疏表示模型考慮到了不同模態(tài)的視頻信息在不同場景條件下對(duì)于目標(biāo)表達(dá)的貢獻(xiàn)度不同,使用了能夠自適應(yīng)更新的模態(tài)權(quán)重。其次,
4、本文在該模型的聯(lián)合求解過程中為保證不同模態(tài)之間的稀疏重構(gòu)系數(shù)的一致性,加入了稀疏重構(gòu)系數(shù)的跨模態(tài)一致性約束。最后,本文在公開的可見光-熱紅外目標(biāo)多模態(tài)單目標(biāo)跟蹤數(shù)據(jù)集上進(jìn)行了大量實(shí)驗(yàn)驗(yàn)證了該算法的有效性。
(2)為了更好的表達(dá)目標(biāo)外觀,更魯棒地應(yīng)對(duì)多模態(tài)目標(biāo)跟蹤過程中目標(biāo)發(fā)生的較大的外觀變化,通過觀察可知,在目標(biāo)跟蹤的過程中,目標(biāo)在不同場景條件下,目標(biāo)內(nèi)部的局部圖像塊對(duì)于跟蹤結(jié)果表達(dá)的貢獻(xiàn)度不同,于是本文提出了一種基于加權(quán)結(jié)構(gòu)
5、化稀疏表示的多模態(tài)目標(biāo)跟蹤算法。該算法在粒子濾波框架下討論目標(biāo)跟蹤問題,在對(duì)目標(biāo)進(jìn)行稀疏表示的同時(shí),通過一種特殊的特征提取方式構(gòu)建候選樣本與目標(biāo)模板的局部圖像塊之間、候選樣本集與目標(biāo)模板集之間的多模態(tài)結(jié)構(gòu)化稀疏表示模型,兼顧了目標(biāo)的局部和全局外觀信息。其次,該模型考慮到目標(biāo)遮擋或其他干擾因素的影響,引入了能夠反映局部圖像塊對(duì)于目標(biāo)表達(dá)的重要性的局部圖像塊權(quán)重及其跨模態(tài)一致性約束,為跟蹤目標(biāo)建立了對(duì)于遮擋和形變不敏感的多模態(tài)加權(quán)結(jié)構(gòu)化稀疏
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(qǐng)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(qǐng)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(huì)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于稀疏表示的結(jié)構(gòu)化目標(biāo)跟蹤算法研究.pdf
- 基于稀疏表示的多源目標(biāo)融合跟蹤方法研究.pdf
- 基于稀疏表示模型的目標(biāo)跟蹤算法.pdf
- 基于稀疏表示的視覺目標(biāo)跟蹤方法研究.pdf
- 基于稀疏表示的多車輛目標(biāo)跟蹤算法研究.pdf
- 基于有限混合模型的結(jié)構(gòu)化稀疏表示圖像去噪方法研究.pdf
- 基于稀疏表示的目標(biāo)檢測與跟蹤方法研究.pdf
- 基于結(jié)構(gòu)化局部模型的目標(biāo)跟蹤算法.pdf
- 基于稀疏表示的動(dòng)物目標(biāo)跟蹤研究.pdf
- 基于結(jié)構(gòu)化低秩稀疏分解模型的運(yùn)動(dòng)目標(biāo)檢測方法研究.pdf
- 基于稀疏表示的在線目標(biāo)跟蹤研究.pdf
- 基于稀疏表示的目標(biāo)跟蹤算法.pdf
- 基于稀疏表示的運(yùn)動(dòng)目標(biāo)跟蹤.pdf
- 基于結(jié)構(gòu)化稀疏和低秩表示的高光譜分類方法.pdf
- 復(fù)雜場景下基于稀疏表示的視頻目標(biāo)跟蹤方法研究.pdf
- 基于改進(jìn)的稀疏表示的目標(biāo)跟蹤算法研究.pdf
- 基于稀疏表示的目標(biāo)檢測與跟蹤算法研究.pdf
- 基于低秩和稀疏表示模型的視頻目標(biāo)提取和跟蹤研究.pdf
- 基于稀疏表示的目標(biāo)跟蹤算法研究與實(shí)現(xiàn).pdf
- 基于多模態(tài)視覺數(shù)據(jù)融合的目標(biāo)跟蹤方法研究.pdf
評(píng)論
0/150
提交評(píng)論