基于自适应权重的多特征通道目标跟踪-电子与通信工程专业论文.docxVIP

优秀毕业论文 精品参考文献资料 |IIIIIIII |IIIIIIII Illll II II RI I IIl Y305677 1 大连理工大学学位论文独创性声明 作者郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究 工作所取得的成果。尽我所知，除文中已经注明引用内容和致谢的地方 外，本论文不包含其他个人或集体已经发表的研究成果，也不包含其他已 申请学位或其他用途使用过的成果。与我一同工作的同志对本研究所做的 贡献均已在论文中做了明确的说明并表示了谢意。 若有不实之处，本人愿意承担相关法律责任。 作者签名： ≥z，艺号二日期：兰=．生年三月!三日 学位论文题目： 鳌王．．皂垩廛壑重塑垒鲎堡望望旦堡堡壁 万方数据 万方数据 大连理工大学专业学位硕士学位论文摘 大连理工大学专业学位硕士学位论文 摘 要 目标跟踪作为计算视觉领域许多应用的最重要的组成部分，广泛应用于智能视频监 控、智能人机交互、医学图像序列分析等方面。如何鲁棒地进行目标跟踪也是一个具有 挑战性的问题。在诸多的影响因素中，例如在遮挡、姿势变化、外界光照变化、背景凌 乱、外形变化等情况下，如何对目标进行快速而鲁棒的跟踪一直是本领域的热点研究课 题。 本文采用了自适应权重来融合不同的特征通道所产生的置信图来获得目标的预测位 置。首先利用灰度特征，HOG特征和颜色名字特征来产生一系列独立的置信图，在置 信图上的每个元素都表示了与之对应的像素点属于目标中心的概率值，也就是置信度。 为了加强置信图的可靠性，本文提出了基于多层元胞自动机的模型来更新这不同的特征 产生的独立置信图。 灰度特征可以很好地描述物体的能量信息也就是低维特征，方向梯度直方图 (HOG)可以描述目标和其周围背景的纹理特征，而颜色名字特征在建立更稳定的外 观模型的时候不仅仅提供了高维的特征信息，同时还有助于处理更为杂乱的颜色背景信 息。本文算法通过目标中心和周边背景的上下文信息来学习它们的空间联系从而建立一 个在线更新的模型，这种模型揭示了连续的视频帧中的某种统计关系。本文利用空间模 型和鲁棒的外观模型以及元胞自动机更新机制得到了不同特征通道的置信图，然后利用 自适应权重使之融合成最终的置信图。最后选取融合置信图上拥有最大置信度的像素点 位置为跟踪目标的最优中心位置。 实验部分采用了大量具有挑战性的视频序列对本文的跟踪算法进行定性和定量的评 估，并与一些经典和前沿的跟踪算法进行了比较。结果显示，本文的算法在处理目标的 光照变化、复杂的背景颜色等具有较高的鲁棒性。 关键词：目标跟踪；多特征；元胞自动机；自适应权重 基于自适应权重的多特征通道目标跟踪 基于自适应权重的多特征通道目标跟踪 -11- Multi—Feature Multi—Feature Tracking via Adaptive Weights Abstract of com。 Ob砸trac妯ng is one of the most important components in numerous appllcatlons Interacnon Duter vision．It is generally applied to intelligent video surveillance，human-cornputer to deVelop a and medical image sequence analysis，to name a few．It is a challenging Problem robust Obiect tra‘cking algorithm．With some factors such as partly occluslon，pose challge’1l’ a fast and robust lumination variation，background clutter and appearance change，to develop object tracking algorithm is the key issu己 h this work，we present a novel online object tracking algorithm by u8mg multi-feature channels with adaptive weights．Firstly，we exploit intensity，histogram of gradient(HOG)and value of eacn color naming features to generate a set of confidence maps where the COnfidence robustness of Dixel in