多紋理目標(biāo)的實時魯棒跟蹤研究.pdf_第1頁
已閱讀1頁,還剩65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(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、隨著計算機(jī)視覺科學(xué)的逐步發(fā)展,目標(biāo)跟蹤技術(shù)已在人類的生產(chǎn)和生活中得到了廣泛的應(yīng)用,例如智能監(jiān)控、天氣預(yù)測、軍事防衛(wèi)、智能交通、醫(yī)療診斷以及人機(jī)互動等領(lǐng)域。在這些目標(biāo)中,引起人們注意的往往是有紋理的目標(biāo),而紋理少或沒有紋理的目標(biāo)通常不會引起人們的注意。因此,本文著重研究對多紋理目標(biāo)的跟蹤。目標(biāo)跟蹤環(huán)境中有許多復(fù)雜條件需要應(yīng)對,跟蹤過程中存在著目標(biāo)快速運動、目標(biāo)發(fā)生形變、目標(biāo)被遮擋、背景雜亂、光照劇烈變化等問題。針對這些問題,學(xué)者們提出了許

2、多目標(biāo)跟蹤算法。本文試圖實現(xiàn)實時魯棒的目標(biāo)跟蹤,進(jìn)行了相關(guān)研究,并提出了三種新的目標(biāo)跟蹤算法:
  一、動態(tài)更新學(xué)習(xí)率的快速多示例學(xué)習(xí)跟蹤算法(FDMIL)。多示例學(xué)習(xí)跟蹤算法采用了低效的強分類器更新方法,并且在更新分類器時,將分類器的學(xué)習(xí)率定為恒值,導(dǎo)致了分類器不能準(zhǔn)確的反映當(dāng)前目標(biāo)的真實外觀,降低了跟蹤的魯棒性。因此,動態(tài)更新學(xué)習(xí)率的快速多示例學(xué)習(xí)跟蹤算法直接從弱分類器池中選取效果好的弱分類器組成強分類器,提高了分類器的更新速

3、率;同時算法中分類器學(xué)習(xí)率根據(jù)被跟蹤目標(biāo)的外觀變化情況進(jìn)行動態(tài)更新,使分類器更新的速率與目標(biāo)外觀的變化程度保持一致,提高了分類器識別真實目標(biāo)的準(zhǔn)確性,從而提高了跟蹤的魯棒性。
  二、雙特征融合的加權(quán)多示例學(xué)習(xí)跟蹤算法(DWMIL)。多示例學(xué)習(xí)跟蹤算法在訓(xùn)練分類器時,采用包作為訓(xùn)練單位而非包中的每個示例,此外,多示例學(xué)習(xí)跟蹤算法沒有考慮正示例對分類器訓(xùn)練的貢獻(xiàn)大小。因此, DWMIL根據(jù)示例對分類器訓(xùn)練的重要程度,給每個示例加了一

4、個權(quán)重。同時, DWMIL同時釆用了Haar-like和 HOG兩種特征描述目標(biāo),達(dá)到互補的作用。當(dāng)出現(xiàn)各種復(fù)雜情況某個特征不能很好地適應(yīng)目標(biāo)變化時,另一目標(biāo)發(fā)揮作用,保證了跟蹤的魯棒性。
  三、本文還提出了一種基于 SIFT特征的目標(biāo)重跟算法,用于目標(biāo)跟蹤丟失后重新找回。通過基于 SIFT特征的目標(biāo)檢測,在目標(biāo)跟蹤丟失后重新確定目標(biāo)的位置。
  為了驗證算法效果,進(jìn)行了眾多實驗。結(jié)果表明,F(xiàn)DMIL和 DWMIL算法相比

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(hù)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(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)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。

評論

0/150

提交評論