2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩91頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明: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,請進行舉報或認領

文檔簡介

1、隨著計算機科學技術、自動控制技術以及智能機器人技術的發(fā)展,各種各樣的機器人出現(xiàn)在人類生活的各個領域。微小型無人飛行器就是其中的一種。目前無人機在人類生活中的應用越來越豐富。在無人機的應用中,航拍作為飛行器的“眼睛”是至關重要的部分。無人機航拍視頻的處理水平,很大程度上決定了無人機的能力。對航拍視頻中的目標進行跟蹤檢測是航拍視頻處理的基礎。然而,由于航拍視頻的復雜性,航拍視頻的目標跟蹤檢測問題至今仍是一個具有挑戰(zhàn)性的問題。
  本文

2、研究基于壓縮感知與多目標優(yōu)化的航拍視頻目標跟蹤檢測問題。針對航拍視頻的目標小、目標距離遠、由于無人機平臺的不穩(wěn)定性導致的畫面抖動、多遮擋、背景變化大等問題,設計并實現(xiàn)了基于多目標優(yōu)化與壓縮感知的航拍視頻目標跟蹤檢測系統(tǒng)。本文的主要工作內(nèi)容如下:
  一、設計基于壓縮感知稀疏表達的判別(SDC,Sparse-based Discriminative Classification)跟蹤模塊。本文通過求候選目標在正負樣本集上的稀疏表達,

3、然后計算候選目標在正負樣本集上各自的重構(gòu)誤差,最后根據(jù)重構(gòu)誤差得到候選目標的置信度,以此衡量每一個候選目標是跟蹤目標的可能性大小。置信度越大,則對應的候選目標更有可能是跟蹤目標。
  二、設計基于壓縮感知稀疏表達的生成(SGM, Sparse-based Generative Model)跟蹤模塊。本文使用 k均值聚類算法構(gòu)建字典,在字典上對截取自候選目標的圖像塊進行稀疏表達,以獲取候選樣本圖像的局部特征,將各個圖像塊的稀疏表達系

4、數(shù)組合成的向量作為候選樣本的直方圖。最后使用直方圖交叉函數(shù)得到候選目標的相似度,以衡量其為正樣本的概率。
  三、對于系統(tǒng)中的L1范數(shù)最小化問題,設計基于加速近端梯度(APG,Accelerated Proximal Gradient)的求解模塊。并基于OpenCV實現(xiàn),實現(xiàn)了快速高效地求解L1優(yōu)化問題,提高了系統(tǒng)的性能。
  四、提出基于多目標優(yōu)化的協(xié)同跟蹤模型。使用多目標優(yōu)化算法綜合考慮判別跟蹤模塊中的置信度與生成跟蹤模

5、塊中的相似度,建立結(jié)合兩者的協(xié)同模型。這種方法結(jié)合了兩種算法的優(yōu)點,且通過求解基于多目標優(yōu)化的協(xié)同模型,使得好的候選樣本不被系統(tǒng)遺漏,提高了系統(tǒng)在航拍視頻目標跟蹤檢測上的準確性和穩(wěn)定性。
  五、基于OpenCV實現(xiàn)“航拍視頻目標跟蹤檢測系統(tǒng)”。本系統(tǒng)中實現(xiàn)了SDC、SGM、多目標協(xié)同、快速協(xié)同四種航拍視頻目標跟蹤方法。在系統(tǒng)的實現(xiàn)過程中,我們采用了基于仿射變換的標準化圖像塊獲取、基于 K均值聚類構(gòu)建生成跟蹤中的字典、基于NSGA

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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權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