基于特征提取与描述的扩展目标跟踪
文献类型：学位论文
| 作者 | 邓集洪 |
| 学位类别 | 硕士 |
| 答辩日期 | 2015-05 |
| 授予单位 | 中国科学院研究生院 |
| 授予地点 | 北京 |
| 导师 | 魏宇星 |
| 关键词 | 目标跟踪 扩展 目标 特征描述 局部 稀疏表观模型 模板更新 |
| 学位专业 | 信号与信息处理 |
| 中文摘要 | 作为 图像处 理与模式识别领域的一个重要组成部分，目标跟踪在车辆导航、视频检索 理与模式识别领域的一个重要组成部分，目标跟踪在车辆导航、视频检索 理与模式识别领域的一个重要组成部分，目标跟踪在车辆导航、视频检索 、 行为分析等多项领域有着广泛 的应用前景。传统目标跟踪 的应用前景。传统目标跟踪 的应用前景。传统目标跟踪 方法通常利用目标灰度信息与 背景的 差异进行目标分割实现对位置信 息的获取， 但是对于扩展目标息的获取， 但是对于扩展目标因为 在视场 中 占有很大的比例，并且在运动过程中会受 姿态变化、 尺度 变化、遮挡等 外部环境的干扰 ， 这样会使目标的部分特征信息丢失， 导致匹配这样会使目标的部分特征信息丢失， 导致匹配从而影响目标跟踪的准确性 。因此 。因此 研究 一种鲁棒 性高 的跟踪算法 来实现对扩展目标的稳定跟踪依旧 具有 很大的难度。 本文主要从特征描述方面展开深入研究， 找到最有效的目标表示法本文主要从特征描述方面展开深入研究， 找到最有效的目标表示法针对现有特征 描述方法和目标跟踪的不足，提出了 描述方法和目标跟踪的不足，提出了 一些有效的新方法。 本文首先分析了 SURFSURF 描述 子和 BRISKBRISKBRISKBRISKBRISK描述子的优缺点，针对 描述子的优缺点，针对 SURFSURF 描述子不能满足实时性， BRISKBRISKBRISKBRISKBRISK描述子提取的 特征点数量较少，本文提出了一种新的特描述方法 征点数量较少，本文提出了一种新的特描述方法 SURFSURF -BRISKBRISKBRISKBRISKBRISK。该描述方法采用 。该描述方法采用 SURFSURF 描述 方法 提取特征点，采用 提取特征点，采用 BRISKBRISKBRISKBRISKBRISK描述方法 计算描述子，在保证性能的同时大地 计算描述子，在保证性能的同时大地 计算描述子，在保证性能的同时大地 计算描述子，在保证性能的同时大地 提高了算法实时性。本文将 提高了算法实时性。本文将 现有的主要 描述 方法应用于目标定位，首先提取特征点并进 方法应用于目标定位，首先提取特征点并进 方法应用于目标定位，首先提取特征点并进 行匹配，然后采用 RANSACRANSAC RANSACRANSAC 算法去除错误匹配， 根据正确的点对计出仿射矩阵并找到目标在下一帧中的位置，实验表明本文算法 SURFSURF -BRISKBRISKBRISKBRISKBRISK要优于其它的描述方法。 要优于其它的描述方法。 由于基特征匹配的目标跟踪算法不能处理纹丰富视频，因此本文又提出了 由于基特征匹配的目标跟踪算法不能处理纹丰富视频，因此本文又提出了 由于基特征匹配的目标跟踪算法不能处理纹丰富视频，因此本文又提出了 一 种新的跟踪算法 —— (L ocal Sparse Appearance Model ocal Sparse Appearance Modelocal Sparse Appearance Model ocal Sparse Appearance Modelocal Sparse Appearance Model ocal Sparse Appearance Model ocal Sparse Appearance Modelocal Sparse Appearance Model ocal Sparse Appearance Modelocal Sparse Appearance Model ocal Sparse Appearance Model ocal Sparse Appearance Modelocal Sparse Appearance Modelocal Sparse Appearance Model ，LSAMLSAMLSAM )。本文首先介绍了粒子滤波 本文首先介绍了粒子滤波 (Particle Filter (Particle Filter (Particle Filter(Particle Filter (Particle Filter (Particle Filter ，PF)PF)PF)算法的详 细理论，接着介绍了本文所采用粒子滤波跟踪框架最后算法的详 细理论，接着介绍了本文所采用粒子滤波跟踪框架最后算法的详 细理论，接着介绍了本文所采用粒子滤波跟踪框架最后算法的详 细理论，接着介绍了本文所采用粒子滤波跟踪框架最后细介绍了 LSAMLSAMLSAM 算法的原理。 算法的原理。 该算法采用稀疏表示和局部图像块重叠样建立目标外观模 型，通过平均化对齐汇聚操作获得候选目标的向量表示结合稀疏和增子空间算法 型，通过平均化对齐汇聚操作获得候选目标的向量表示结合稀疏和增子空间算法 型，通过平均化对齐汇聚操作获得候选目标的向量表示结合稀疏和增子空间算法 来更新模板，在贝叶斯框架 下将跟踪看成是求解最大后验概率的问题。整个算法来更新模板，在贝叶斯框架 下将跟踪看成是求解最大后验概率的问题。整个算法来更新模板，在贝叶斯框架 下将跟踪看成是求解最大后验概率的问题。整个算法来更新模板，在贝叶斯框架 下将跟踪看成是求解最大后验概率的问题。整个算法分为构建字典、候选目标的稀疏表观模型计算后验概率板更新四个块。 本文 使用了 大量的 经典跟踪视频 对算法进行了全面的测试， 并将其与现有的算法进行 并将其与现有的算法进行 了客观上的比较，实验表明本文算法 性能要胜于其他现有。了客观上的比较，实验表明本文算法 性能要胜于其他现有。了客观上的比较，实验表明本文算法 性能要胜于其他现有。也存在着 一定 的缺点 ，算法的 实时性不是很高， 并且在目标出现运动模糊时，跟踪效果不是特别好 并且在目标出现运动模糊时，跟踪效果不是特别好 。最 后， 对本文的研究内容和创新点进行了 全面的分析和总结，并 全面的分析和总结，并 给出了本文算法 在将来科学 研 |
| 语种 | 中文 |
| 公开日期 | 2015-12-24 |
| 源URL | [http://ir.ioe.ac.cn/handle/181551/3049]  |
| 专题 | 光电技术研究所_光电技术研究所博硕士论文 |
| 作者单位 | 中国科学院光电所 |
| 推荐引用方式 GB/T 7714 | 邓集洪. 基于特征提取与描述的扩展目标跟踪[D]. 北京. 中国科学院研究生院. 2015. |
入库方式： OAI收割
来源：光电技术研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。