基于混沌特征向量的动态纹理识别-控制理论与控制工程专业论文.docxVIP

万方数据 万方数据 申请上海交通大学博士学位论文 基于混沌特征向量的动态纹理识别 学科 : 控制理论与控制工程 学号 : 0084139013 作者 : 王勇 导师 : 胡士强 上 海 交 通 大 学 2014 年 11 月 A DISSERTATION SUBMITTED IN PARTIAL SATISFACTION OF THE REQUIREMENTS FOR THE DEGREE OF DOCTOR OF PHILOSOPHY CHAOTIC FEATURE VECTOR BASED DYNAMIC TEXTURE RECOGNITION Ph.D. Candidate: WANG Yong Supervisor: Prof. HU Shiqiang Specialty: Control Theory and Control Engineering School of Aeronautics and Astronautics Shanghai Jiao Tong University November, 2014 本论文得到下列项目的联合资助： 1. 国家自然科学基金项目“基于数据与模型混合驱动的密集人群中特定人脸持 续跟踪方法”（项目编号 2. 国家自然科学基金项目“复杂场景多目标轮廓跟踪与异常行为早期检测方法 研究”（项目编号 VIII 基于混沌特征向量的动态纹理识别 摘 要 动态纹理识别是计算机视觉领域的核心问题之一，广泛地应用于军事和民事领域中。本文利 用混沌特征向量对动态纹理进行描述，实现了动态纹理的准确识别。在对识别算法的研究中，本 文设计了优化算法来提高识别效果。为了更好的描述动态纹理，本文研究了将低层特征通过深度 学习得到高层特征的算法，并将动态纹理识别方法应用于智能交通流的分类。论文的主要工作和 创新点有： 1. 针对动态纹理的建模问题，本文提出了用像素时间序列作为描述动态纹理的基本特征方 法。该方法将像素时间序列看作一个整体特征向量，可以得到更多的时间信息。实验结果表明， 像素时间序列对动态纹理具有一定的描述能力。 2. 针对像素时间序列中存在的自相似性，本文提出了用混沌特征来描述像素时间序列的方 法。不同于以往用于计算机视觉领域的混沌特征向量。在动态纹理中，分形特性相当重要。本文 提出的混沌特征向量是描述动态纹理的局部特征，经过词袋模型表示之后，能够较好的表示动态 纹理，取得较高的识别率。通过实验表明，本文选择的混沌特征在识别效果上优于其它特征。 3. 针对词袋法出现的量化问题，提出了基于内容的动态纹理识别方法。该方法首先对每个 像素时间序列提取混沌特征向量，然后对每幅视频分割，得到前景和背景。接着通过地球移动距 离（earth mover’s distance，EMD）来比较两幅视频之间的相似性，来实现动态纹理识别。该 算法可以用于交通视频流识别。 4. 针对常规的识别算法中，没有考虑特征之间的关系，本文提出了多任务学习方法来获取 训练特征之间的关系，并用 alternating direction method of multipliers（ADMM）优化算法 来得到更高的识别率。本文给出的多任务学习模型，能够很好的获取多任务（特征）之间的共性 信息和个性信息。同时 ADMM 算法可以很好的保证这个优化问题能够快速准确的求解。 5. 针对直方图特征的描述性不足，本文采用了深度学习方法，通过对大量数据的学习，得 到更具有描述性的特征。本章提出的算法框架，通过将词袋法得到的直方图特征进一步学习得到 I 高层特征，可以更好的用于动态纹理识别。 关键词：动态纹理识别，词袋模型，基于内容的识别，地球移动距离，多任务学习，ADMM 算法，深度学习 II Chaotic Feature Vector based Dynamic Texture Recognition Abstract Dynamic texture recognition is one of the fundamental problems in computer vision and widely used in military and urban field. In this dissertation, in order to characterize dynamic texture accurately, chaotic feature vector is employed. Optimization algorithm is used to improve the dynamic texture recognition accuracy. De