基于判別學習的單目標跟蹤系統(tǒng)研究與實現(xiàn).pdf_第1頁
已閱讀1頁,還剩78頁未讀, 繼續(xù)免費閱讀

下載本文檔

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、目標追蹤是計算機視覺、機器智能的基礎(chǔ)研究課題之一。該技術(shù)能夠為計算機提供目標在圖像序列中的大小和位置,從而進行下一步的分析和處理。在現(xiàn)實世界中,目標追蹤在安全監(jiān)控、人機交互、自動駕駛和控制、醫(yī)學成像和軍事領(lǐng)域等都有著重要的應(yīng)用價值。但由于在實際應(yīng)用場景中,存在遮擋、旋轉(zhuǎn)、背景聚類、快速移動和圖像模糊等復(fù)雜情景,致使追蹤算法性能下降,無法達到令人滿意的效果。
  本文首先分析當今目標追蹤算法的主要框架——檢測跟蹤(Tracking

2、by detection),從分類方法的角度出發(fā),進行了判別字典學習機制的研究。通過利用1,∞范數(shù),能夠自適應(yīng)地將類相關(guān)性信息加入到字典原子之間,達到聯(lián)合稀疏的效果,實現(xiàn)了類相關(guān)性引導(dǎo)判別字典學習的方法。該方法結(jié)合全局字典學習和分類字典學習的優(yōu)點,在圖像分類上取得了較好的測試效果。在此基礎(chǔ)之上,又進行了相關(guān)視覺追蹤方法的研究。該技術(shù)也使用Huber損失函數(shù)代替2范數(shù)以減少重建項殘差增加速度,添加了更加容易求解的Fisher判別項,從而提

3、出了在線判別字典學習的追蹤方法。至此,本文實現(xiàn)了第一個目標追蹤算法,并與基于稀疏表示的追蹤算法等相關(guān)方法比較,在視頻庫上取得了較好的效果。
  上述的目標追蹤技術(shù)雖然能夠在特定場景上取得較好的測試效果,但無法滿足實時追蹤的要求。而基于協(xié)同濾波器的追蹤方法,能夠?qū)崿F(xiàn)高速追蹤,故本文又進行相關(guān)技術(shù)的研究與實現(xiàn)。文中使用邏輯回歸的方法設(shè)計濾波器,并實現(xiàn)了在非線性情況下的處理方法。同時創(chuàng)造性地利用Laplace分布生成判別標簽,采用特征融

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。
  • 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。

評論

0/150

提交評論