基于低秩稀疏表示的目标跟踪算法研究-通信与信息系统专业论文.docxVIP

优秀毕业论文 精品参考文献资料 研究生优秀毕业论文 西南交通大学 西南交通大学 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并 向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授 权西南交通大学可以将本论文的全部或部分内容编入有关数据库进行检索，可以采用 影印、缩印或扫描等复印手段保存和汇编本学位论文。 本学位论文属于 1．保密口，在 年解密后适用本授权书； 2．不保密d使用本授权书。 (请在以上方框内打“、／”) 学位论文作者签名：豆私雨 臌硌锄 日期：凇．DS，西 日期：冽s．Ds，巧 万方数据 西南交通大学硕士学位论文主要工作( 西南交通大学硕士学位论文主要工作(贡献)声明 本人在学位论文中所做的主要工作或贡献如下： (1)提出了一个基于低秩稀疏表示的加权增量目标跟踪算法。根据主成分分析基 向量模板和平方模板用于构建目标外观模型字典矩阵的优势，再结合系数矩阵的低秩 和稀疏表示，提出了基于主成分分析基向量模板和平方模板的低秩稀疏表示观测模型。 并针对不同质量的目标结果对予空间的构造具有不同的影响，提出了一个基于目标重 构误差权值的增量主成分分析算法，并将该算法用于更新目标表示模型，有效应对目 标受内外在因素影响而产生的变化。 (2)提出了一个基于联合系数矩阵的低秩稀疏表示目标跟踪算法。针对多任务处 理方法是在隐含假设下才成立的问题，提出了一个新的基于联合系数矩阵的低秩稀疏 表示模型，即将系数矩阵分为了两个部分之和，一个部分用于表示多任务的相同部分 特征，另一个部分用于表示多任务中的离群值。并就粒子滤波中的粒子退化问题进行 了讨论，使用重采样方案对视频每一帧中的粒子进行重采样。为有效应对目标受内外 在因素影响而产生的变化，使用加权增量主成分分析法在线更新观测模型。 本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所得到的成 果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体己经发表或撰 写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中作了明确说明。 本人完全了解违反上述声明所引起的一切法律责任将由本人承担。 学位论文作者签名：茗乙沲丽 日期：砂限oS．西 万方数据 西南交通大学硕士研究生学位论文 西南交通大学硕士研究生学位论文 第1页 摘 要 虽然在不少研究者们的深入研究下，视频目标跟踪算法在过去的几十年里有了很大 进展，但是复杂场景中存在的遮挡、光照变化、目标形变及动态背景噪声等因素引起 的目标外观变化，使得设计一个高精确性、稳定性和鲁棒性的跟踪算法仍然是一个富 有挑战性的任务。本文在现有目标跟踪算法的基础上提出了两种基于低秩稀疏表示的 目标跟踪算法。 本文首先在生成模型的框架下引入了低秩稀疏表示模型，提出了基于主成分分析基 向量模板和平方模板的低秩稀疏表示模型。该模型充分利用了主成分分析基向量模板 和平方模板用于构建目标外观模型字典矩阵的优势，而且低秩约束很好地反映了候选 粒子的结构信息。由于不同质量的目标跟踪结果对子空间的构造和更新具有不同的影 响，故对每一个跟踪结果引入了一个基于目标重构误差的权重值，再将该新样本用于 增量主成分分析算法来更新目标表示模型。最终得到了一个基于低秩稀疏表示的加权 增量目标跟踪算法(LRSwT)。 本文还提出了一个基于联合系数矩阵的低秩稀疏表示目标跟踪算法(JCLRST)，该 算法提出了一个新的基于联合系数矩阵的低秩稀疏目标表示模型，它在进行多任务处 理时将目标低秩稀疏表示的系数矩阵分为了两个部分之和，一个部分用于对具有相关 性的任务进行表示，另一个部分用于表示多任务中的离群值。且对前一部分系数矩阵 同时加以低秩和稀疏约束进行学习，而对后一部分仅加以稀疏约束进行学习。最后将 该目标表示模型嵌入到粒子滤波框架中，获得了一个新的目标跟踪算法。并且就粒子 滤波中存在的粒子退化问题，对每一帧中的所有候选粒子进行重采样，与以往每帧都 重新采样相比，有效提高了粒子的继承性。 在大量具有挑战性的国际公开视频中测试得到的定性实验结果与定量数据分析证 明，本文提出的算法在复杂环境中的目标跟踪具有较好的鲁棒性。 关键词 目标跟踪：低秩稀疏表示；加权增量主成分分析；联合系数矩阵 万方数据 西南交通大学硕士研究生学位论文 西南交通大学硕士研究生学位论文 第1I页 Abstract The visual tracking algorithms have got great progress in the past decades under the follow·up research of lots of researchers．However,object’appearance in the