- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第40卷 第 3期 计 算 机 工 程 2014年 3月
VOl1.40 NO.3 CompmerEngineering March 2014
· 多媒体技术及应用 · 文章编号:1000-3428(2014)03-0283—04 文献标识码:A 中圈分类号:TN919.8
一 种隐私保护的监控视频 目标跟踪系统
胡晓莉,郭继昌
(天津大学电子信息工程学院,天津 300072)
摘 要:对现有基于压缩感知的视频 目标跟踪系统进行改进,提出一种可实现隐私保护的监控视频 目标跟踪系统。在编码端采用
结构化随机矩阵,以提高随机采样矩阵的生成速度。在解码端采用GPSR—BB算法,以提高系统抗噪性。利用粒子滤波器算法实现
目标跟踪,减少跟踪结果误差对压缩感知恢复算法准确性的影响和分析时间。实验结果表明,该系统在实现隐私保护的同时,提
高了系统对光照的鲁棒性,在室内外光照条件下均能准确跟踪 目标。与BP和Lasso方法相 比,分别可节约30.3%和51.6%的处理
时间。
关健词:压缩感知;目标跟踪;粒子滤波;结构化随机矩阵;梯度投影;基追踪
APrivacy-preservingSurveillanceVideoObjectTrackingSystem
HU Xiao-li.GUO Ji-chang
(SchoolofElectronicInformationEngineering,TianjinUniversity,Tianjin300072,China)
[Abstract]Theproposedsystemofprivacy—enabledobjecttrackingis improvedbasedontheprimaryone.Afterusingthestructurally
random matricesattheencoder,htegenerationspeedofrandom samplingmatrixisimproved.AfterusingfastmethodssuchasGPSR-BBin
reconstructionandparticlefilteringinanalysisatthedecoder,thenoiseresistnaceofsystem isimproved.Itusesparticlefilteringalgorithm
fortargettracking,reducesthertackingresultserrorinfluenceoncompressionperceptionrecoveryalgoritmh accuracy,aswellasthetime
neededofranalysissteps.Experimentalresultshowsthattheproposedframeworkenablestheprivacyintrackingandatthesametime
increasestherobustnesstoilluminationcondition.ItalsoavoidstheerroroftrackingresultsaffectingtheaccuracyofCSreconstruction
algoritmh .whichisfasterthantheoriginalonenadtheperformanceoftrackingisexcellent.Theprocesstimeofthissystem issaved30_3%
and51.6% oftheBPandLassomethod.
[Keywords]compressivesensing;objecttracking;particlefiltering;structuredrandommatrices;gradientprojection;basispursuit
DOI:10.3969/j.issn.1000—3428.2014.03.060
文档评论(0)