检索结果-内蒙古大学图书馆

电子与信息学报 2016年第8期38卷 2027-2032页

作者：金广智石林锁刘浩牟伟杰蔡艳平火箭军工程大学五系西安710025

针对实际视觉跟踪中目标表观与前背景的非线性变化,论文提出一种基于偏最小二乘分析(PLS)表示与随机梯度的目标优化跟踪方法。该方法将目标跟踪转化为表示误差与分类损失的联合优化问题。首先,为了提高算法对前背景表观变化的稳定性,利... 详细信息

针对实际视觉跟踪中目标表观与前背景的非线性变化,论文提出一种基于偏最小二乘分析(PLS)表示与随机梯度的目标优化跟踪方法。该方法将目标跟踪转化为表示误差与分类损失的联合优化问题。首先,为了提高算法对前背景表观变化的稳定性,利用PLS理论的非线性对目标区域的前背景信息进行表达,并通过空间聚类构造多个线性外观模型来描述目标区域的动态变化,建立带约束条件的表观特征库;然后,提出一种确定性搜索机制,构造联合优化目标函数,使表示误差与分类损失最小化;结合表观建模特点,构建随机梯度分类器,对模型进行增量特征更新,最终实现对目标的稳定准确跟踪。经多场景对比实验验证,该算法能有效应对目标前背景的多种复杂变化。

关键词：目标跟踪偏最小二乘表观模型随机梯度联合优化

来源：评论

学校读者我要写书评

暂无评论

基于卷积的稀疏跟踪算法

引用

激光与光电子学进展 2021年第16期58卷 423-432页

作者：许奇韩俊波黎海霞巢湖学院信息工程学院安徽合肥230031 南京航天航空大学计算机科学与技术学院/人工智能学院江苏南京211106 浙江警官职业学院浙江杭州310018

传统的稀疏表示旨在通过字典的线性结合构建跟踪目标的表观模型,忽视了目标的分层结构特征,因此难以处理复杂的跟踪环境。针对该问题,提出一种新颖的基于卷积的稀疏跟踪算法(CSTA)。在目标区域中提取局部图像块作为局部描述子,依据稀疏... 详细信息

传统的稀疏表示旨在通过字典的线性结合构建跟踪目标的表观模型,忽视了目标的分层结构特征,因此难以处理复杂的跟踪环境。针对该问题,提出一种新颖的基于卷积的稀疏跟踪算法(CSTA)。在目标区域中提取局部图像块作为局部描述子,依据稀疏表示从中选取一组图像块作为固定卷积核与输入的图像进行卷积运算,能够有效保留跟踪目标的层次化结构特征;同时提出一种新的选择性在线模型更新机制,有效避免错误模型更新导致跟踪结果漂移的问题。所提CSTA在公开数据集中与现有稀疏表示算法进行定量、定性的分析比较,结果表明,CSTA的准确度、鲁棒性均优于现有的稀疏跟踪算法。

关键词：机器视觉目标跟踪稀疏表示表观模型模型更新

来源：评论

学校读者我要写书评

暂无评论

基于偏最小二乘特征表示与分类的联合优化目标跟踪

引用

光电子．激光 2016年第2期27卷 203-209页

作者：金广智石林锁牟伟杰刘浩司海峰第二炮兵工程大学502教研室陕西西安710025 西安思源学院理工学院陕西西安710038

针对实际视觉跟踪中目标表观与前背景的非线性变化,提出一种基于偏最小二乘(PLS)表示与分类联合优化的目标跟踪方法,将目标跟踪转化为表示误差与分类损失的联合优化问题。首先,为了提高算法对前背景表观变化的稳定性,利用PLS理论的非线... 详细信息

针对实际视觉跟踪中目标表观与前背景的非线性变化,提出一种基于偏最小二乘(PLS)表示与分类联合优化的目标跟踪方法,将目标跟踪转化为表示误差与分类损失的联合优化问题。首先,为了提高算法对前背景表观变化的稳定性,利用PLS理论的非线性对目标区域的前背景信息进行表达,并通过空间聚类构造多个线性外观模型描述目标区域的动态变化,建立带约束条件的表观特征库;然后,提出一种确定性搜索机制,构造联合优化目标函数,使表示误差与分类损失最小化;结合表观建模特点,构建随机梯度分类器(SGC),对模型进行增量特征更新,最终实现对目标的稳定准确跟踪。经多场景对比实验验证,本文算法能有效应对目标前背景的多种复杂变化。

关键词：目标跟踪偏最小二乘(PLS) 表观模型随机梯度联合优化

来源：评论

学校读者我要写书评

暂无评论

视觉目标跟踪中表观建模方法研究

视觉目标跟踪中表观建模方法研究

引用

作者：赵海楠哈尔滨工业大学

学位级别：博士

视觉目标跟踪(Visual Object Tracking)是计算机视觉和模式识别领域的重要课题之一,在智能交通、视频监控、人机交互、智能导航等领域有着广泛的应用。典型的视觉目标跟踪算法主要由表观建模、目标状态搜索和表观模型更新三个部分组成,... 详细信息

视觉目标跟踪(Visual Object Tracking)是计算机视觉和模式识别领域的重要课题之一,在智能交通、视频监控、人机交互、智能导航等领域有着广泛的应用。典型的视觉目标跟踪算法主要由表观建模、目标状态搜索和表观模型更新三个部分组成,其中表观建模处于核心地位,直接影响目标跟踪效果。尽管研究者提出了大量针对视觉目标跟踪的表观建模方法,然而设计一个适用于实际应用中各种复杂跟踪环境的鲁棒表观模型,仍然是目标跟踪领域的难点问题之一。本文从多特征融合精度、遮挡的检测与处理、表观模型的稳定性和判别性以及多目标跟踪中不同目标物的有效区分等方面对表观建模方法展开研究与讨论,主要研究内容包括以下四点:基于多特征融合的表观建模方法研究。多特征融合方法是表观建模的常用方法,其核心问题是如何准确评估不同特征对目标的描述能力,从而在目标跟踪过程中自适应调整特征融合权重,利用特征之间的互补性提高表观模型的鲁棒性。为了提高多特征融合方法中特征融合的精度,本文提出了一种基于局部核加权的多特征融合表观建模方法。将目标区域分解为多层次的子图像块,在每个子图像块上分别提取背景加权特征直方图,以子图像块为单位调整特征间的融合权重。该方法突出了图像特征对目标局部区域的描述能力,提高了目标整体表观模型的特征融合精度。实验结果表明所提出的方法相比于传统的多特征融合方法具有更好的跟踪精度和稳定性。目标跟踪过程中的遮挡检测与处理方法。遮挡一直是视觉目标跟踪中的一个难点问题。本文针对基于稀疏表示的目标跟踪方法中普遍采用的单位噪声矩阵对目标遮挡描述能力较差的问题,提出了一种局部稀疏表示表观模型对目标遮挡区域进行检测。以此为基础,在候选观测似然计算过程中以及目标观测模板更新过程中,显式地对遮挡区域进行限制与修正,在一定程度上减轻了遮挡对目标跟踪定位的负面影响。实验结果表明,所提出的方法对目标跟踪过程中的各种遮挡情况具有较好的鲁棒性。基于稀疏编码的表观建模方法研究。在前面的方法中,我们利用稀疏表示对目标局部图像块的表观特征进行描述,取得了较好的遮挡检测效果。然而该方法只考虑了如何有效地对目标的局部图像特征进行描述,并没有考虑局部特征之间的空间结构信息对目标的描述能力,以及局部特征对目标表示的判别能力。为了提高表观模型的稳定性和判别能力,本文提出了一种基于判别式稀疏编码的表观模型。首先,提出一种判别式基函数学习方法,使得局部图像块的稀疏编码系数向量对目标和背景具有更好的区分度。然后,将所有局部图像块的稀疏编码向量按照结构化方式进行聚集,生成目标整体特征向量。并在聚集过程中,提出了一种基于特征维度可分性统计的降维方法,对稀疏编码向量中的噪声进行过滤,从而进一步提高整体目标特征向量的类间区分度。最后,将目标跟踪问题转化为一个二分类问题实现目标定位。实验结果表明,所提出的方法对光照变化、严重遮挡、混乱背景等复杂跟踪环境具有较好的适应力。多目标跟踪中的表观建模方法研究。在对单目标跟踪任务中表观建模方法进行了研究与讨论的基础上,我们将研究内容扩展到多目标跟踪任务中。相比于单目标跟踪,多目标跟踪更为复杂。除了要应对来自目标自身和外界环境的各种变化以外,多个跟踪目标之间经常出现的相互遮挡和交替并行等情况,使得多目标跟踪面临着更大的挑战。为了解决多目标跟踪中由于目标物外观相似、空间距离相近等因素造成的目标之间区分困难的问题,本文提出了一种基于SRC(Sparse Representation based Classification)和MFH(Multiple Features Hashing)的联合表观模型。首先,将多个目标物的区分问题转化为一个SRC问题,构造了一个基于SRC的判别式全局表观模型,用以区分所有目标。其次,针对空间距离较近,区分较为困难的二元目标对,构造了一个基于MFH的局部二元区分模型,提高算法对困难二元目标对的区分能力。最后,给出了一种启发式优化算法,求解联合表观模型下的较优关联矩阵。实验结果表明,所提出的方法能够有效提升多目标跟踪效果,尤其在减少目标身份变换方面效果较为明显。

关键词：目标跟踪表观模型多特征融合遮挡检测稀疏编码

来源：评论

学校读者我要写书评

暂无评论

红外目标跟踪与距离感知技术研究

红外目标跟踪与距离感知技术研究

引用

作者：赵东西安电子科技大学

学位级别：博士

红外成像探测是被动探测,其具有隐蔽性高和抗干扰能力强等特点,在民用和军事等方面具有广泛的应用。其中红外目标跟踪和距离感知技术是红外图像处理的两个重要研究方向,是红外成像制导、监视和告警等领域中的核心技术。深入研究红外目... 详细信息

红外成像探测是被动探测,其具有隐蔽性高和抗干扰能力强等特点,在民用和军事等方面具有广泛的应用。其中红外目标跟踪和距离感知技术是红外图像处理的两个重要研究方向,是红外成像制导、监视和告警等领域中的核心技术。深入研究红外目标在复杂背景下的跟踪以及目标距离感知具有重要理论和实际应用价值。本论文针对天空背景的弱小目标跟踪问题,基于现有可见光和红外目标跟踪技术,从提高目标与背景差异和提取目标有效特征两方面着手,引入曲率滤波和引导滤波方法,分别研究提出了基于三种理论的红外目标跟踪算法。并利用经典光散射模型以及气象学参数提出了一种雾天下城市建筑物目标距离感知算法。主要研究内容与成果如下。(1)红外弱小目标跟踪算法性能评估需大量已知红外弱小目标位置和参数的测试图像,针对在短时间内获得大量红外弱小目标参数连续变化的图像难以实现的问题,本论文通过深入分析红外弱小目标在图像上的成像特点,建立了红外弱小目标成像数学模型以及红外面阵相机抖动的数学模型,提出了一种基于真实红外背景图像的红外弱小目标图像序列仿真方法。(2)针对复杂天空背景下红外弱小目标跟踪容易发生偏移的问题,本论文引入曲率滤波来处理时空上下文先验模型,然后利用输入图像与滤波后结果的差值作为新的时空上下文先验送入时空上下文模型,进而得到理想的时空上下文模型。由此提出了一种时空上下文和曲率滤波相结合的红外弱小目标跟踪算法,仿真实验验证了该算法适用于复杂天空背景下的弱小目标跟踪。(3)针对红外弱小目标运动过程中出现机动导致跟踪失败的问题,本文在核相关滤波的基础上引入引导滤波处理基样本,增大基样本中目标正样本与背景负样本的差异。使用输入图像与滤波处理后的图像的差值作为新的基样本送入核相关滤波器中,以提高分类器参数的准确性。在此基础上提出了一种核相关滤波结合引导滤波的红外弱小目标跟踪算法,该算法能够对复杂天空背景下的红外弱小目标进行跟踪,并且实时性较好。(4)针对大多数红外目标跟踪算法不能同时适用于大目标和小目标的问题,本文基于粒子滤波框架,为提取红外目标有效的特征,提出了一种基于稀疏的产生模型与基于引导滤波的判别模型相结合的表观模型提取方法,用以增强贝叶斯分类器的性能,以完成对红外目标的有效跟踪。(5)针对单目成像无法估计目标与相机的相对距离的问题,本论文在现有雾天气下光散射模型的基础上,首次利用单色相机以及两个滤光片建立了近红外双光谱成像系统,利用能见度和波长估计两个提前选择好的近红外波段下的消光系数,然后利用本文所提的城市建筑物目标距离感知物理模型,实现了进行目标到相机间相对距离的有效感知。

关键词：红外成像目标跟踪距离感知曲率滤波引导滤波表观模型双光谱

来源：评论

学校读者我要写书评

暂无评论

多摄像机监控网络中的目标连续跟踪方法研究

多摄像机监控网络中的目标连续跟踪方法研究

引用

作者：董文会山东大学

学位级别：博士

随着信息技术的发展及社会安防需求的不断提高,传统的人工监控技术已不能满足人们的需求,智能化和主动化的目标监控技术成为目前主要的发展方向。作为智能监控的重要组成部分,多摄像机监控网络中的目标连续跟踪成为研究的热点,并具有较... 详细信息

随着信息技术的发展及社会安防需求的不断提高,传统的人工监控技术已不能满足人们的需求,智能化和主动化的目标监控技术成为目前主要的发展方向。作为智能监控的重要组成部分,多摄像机监控网络中的目标连续跟踪成为研究的热点,并具有较强的理论意义和广泛的应用价值。多摄像机目标连续跟踪包括单摄像机的目标跟踪和目标在摄像机之间的交接跟踪两个组成部分。与传统的单摄像目标跟踪相比,由于摄像机数目的增多,该课题引入了许多新的问题,如摄像机网络监控场景复杂、各摄像机参数不同及目标在各摄像机中的运动轨迹不同等。如何克服这些难题,实现目标在多摄像机网络中的准确跟踪是智能监控领域亟待解决的问题之一。本论文针对非重叠视野下多摄像机目标连续跟踪进行了研究,重点研究了鲁棒的单摄像机目标跟踪算法、多摄像机视野的拓扑结构学习、多摄像机下目标表观模型的学习和目标匹配及多摄像机间目标的准确交接等几个方面的内容。论文的具体工作及研究成果如下：1)研究了单摄像机目标跟踪方法,并提出了稀疏表达多特征融合的单摄像机跟踪算法。本算法以粒子滤波为总体跟踪框架,包括观测概率模型和状态模型两部分。观测概率模型通过将多个特征进行稀疏表达融合的方式构建,状态模型为六参量的高斯分布。为了使该算法能适应目标在运动过程中的各种变化,本文在跟踪算法中加入了具有自适应的模板更新算法。实验表明,该跟踪算法可以处理跟踪过程中可能发生的光照改变、遮挡、姿态改变和背景复杂等情况,实现准确而有效的目标跟踪。2)研究了非重叠视野下多摄像机视野的拓扑结构学习方法。摄像机视野的拓扑结构包括进／出口区域(节点)、节点间的转移时间分布及节点间的关联性三个要素。本文通过对监控视频中目标跟踪信息的统计,提出了非重叠视野下多摄像机视野的拓扑结构学习方法。首先采用高斯聚类方法对各摄像机视野中的进／出口区域进行学习,然后通过累加交叉相关及高斯拟合的方式对节点间的转移时间分布进行学习,最后利用互信息理论对节点间的关联性进行精简,去除虚假关联的节点,从而获得准确的拓扑结构。通过对摄像机视野拓扑结构的学习可以获得多摄像机目标连续跟踪过程中需要的时空推理信息(如当目标运行到某摄像机出口节点后选择哪一个摄像机作为交接摄像机、目标从出口节点到交接摄像机的入口节点需要的时间范围等),为合理调度摄像机提供依据。3)研究了目标在多个摄像机视野中运动时表观变化的特点,提出了基于特征树的目标表观模型学习和目标匹配方法。本文对不同摄像机下的目标表观进行了学习,提出了基于特征树的目标表观模型学习和目标匹配方法。通过对不同特征分别进行非督导聚类获得不同特征的树状结构,从多个角度对目标进行全面描述。当在不同摄像机下目标表观发生改变时,可以根据获取的目标新样本对特征树进行更新,并对目标之前表观具有记忆能力。目标匹配采用特征树投票的方式,候选目标需要经过特征树每一层相似性的计算。这种层层筛选的方式,可以大大减少计算量,提高匹配效率。4)研究了目标在多个摄像机之间的交接问题,提出了基于继承和学习的多摄像机目标交接算法。目标在多个摄像机之间的准确交接是多摄像机监控网络中目标连续跟踪能否成功的关键。本文将时空约束信息和目标表观模型进行融合,提出了基于继承和学习的多摄像机目标交接算法。该算法将单摄像机目标跟踪、拓扑结构学习及目标表观模型信息融入整体交接跟踪框架。首先通过拓扑结构学习获取目标在整个网络中运动时的时空信息,消除模糊因素的干扰。当确定跟踪目标后,通过单摄像机目标跟踪算法对其进行跟踪并构建目标在该摄像机下的表观模型。在目标交接启动时,将该模型传递给交接摄像机。交接摄像机利用上一摄像机传递的表观模型在一定的时间范围内对相应的入口区域进行目标匹配。若检测到目标,则交接完成并在该摄像机下继续跟踪,然后利用跟踪结果对目标表观模型进行再学习。随着目标在摄像机之间的跟踪,目标的表观模型将越来越精确,使得目标在摄像机之间的交接和连续跟踪更顺畅。综上所述,本文围绕多摄像机监控网络中的目标连续跟踪问题进行了多个方面的有益尝试并获得较好的实验结果,为该课题的研究提供了新的解决思路。

关键词：目标跟踪多摄像机网络拓扑结构目标交接表观模型继承与学习

来源：评论

学校读者我要写书评

暂无评论

视觉监控中的目标跟踪研究

视觉监控中的目标跟踪研究

引用

作者：李敏中国科学院研究生院

学位级别：博士

智能视觉监控作为安全监控的一个有效手段，越来越受到各国政府的重视。其终极目标是让计算机成为人的大脑，让摄像头成为人的眼睛，由计算机智能地分析摄像头所获取的图像序列，对场景内容进行理解，实现对异常行为的自动报警和预警。... 详细信息

智能视觉监控作为安全监控的一个有效手段，越来越受到各国政府的重视。其终极目标是让计算机成为人的大脑，让摄像头成为人的眼睛，由计算机智能地分析摄像头所获取的图像序列，对场景内容进行理解，实现对异常行为的自动报警和预警。智能视觉监控涉及计算机视觉的底层和高层部分。底层视觉主要是对场景中感兴趣的目标进行检测、跟踪和识别，而高层视觉则在底层视觉的基础上，对感兴趣目标作行为分析和理解。视觉跟踪属于中底层视觉部分，其任务是在连续的图像序列中对运动目标进行定位，获取目标轨迹和运动参数等信息，是智能监控的关键技术之一。本文对视觉监控场景中的目标跟踪问题进行了广泛的研究，内容涉及目标检测、表观模型、跟踪策略以及多目标跟踪等方面。在本文中，主要工作和贡献有：\n (1)提出了一个基于头肩Omega形状特征的行人检测方法。该方法采用一个基于Haar特征的级联AdaBoost分类器作粗分类，快速地排除大量的负样本窗口，然后再利用一个分类性能更好的基于HOG(Histograms of Oriented Gradients)特征的AdaBoost分类器对剩下的稀疏窗口作精分类，能快速而准确地检测出监控场景中的人的头肩部分。由于头肩所组成的Omcga特征在各种视角下具有一定的不变性，能适应多种场景，具有广泛的应用前景。\n (2)提出了一个新的特征集-方向滤波的金字塔统计量(PSOF，Pyramidal Statisticsof Oriented Filtering)用于行人检测。虽然HOG(梯度方向直方图)特征对于正常成像条件下的行人检测非常有效，但是实际应用表明，在图像模糊或图像噪声存在的情况下，HOG特征的检测性能会大幅下降。因此，本文设计了一个PSOF特征集用于目标的特征表达。PSOF特征集避免了使用梯度来表征图像的局部方向信息，而是使用一个Gabor滤波器组来提取方向特征，对噪声有一定的抑制能力；另外，与HOG特征只提取单个尺度上的特征不同，PSOF特征集在图像的多一个尺度上提取方向信息(尺度越高，模糊或噪声的影响越小)，提高了特征集的鲁棒性。实验表明，在正常的成像条件下，PSOF特征集的检测性能跟HOG特征集相当；而在图像噪声或者图像模糊存在的情况下，PSOF特征集的检测性能要远远好于HOG特征集。\n (3)提出了一个基于简化的生物启发特征(SBIF，Simplified Biologically InspiredFeatures)的表观模型用于目标跟踪。该表观模型使用轻微的位置-/尺度-无关的生物视觉感知特征作为目标表达，采用Bhattacharyya系数来测量目标模型和候选目标之间的相似性，并被结合到一个SIR(Sampling Importance Resampling)粒子滤波框架下，用于基于贝叶斯状态推断目标跟踪。大量的实验表明，SBIF方法对于光照变化、目标姿态变化以及部分遮挡具有较好的鲁棒性；而且也具有跟当前主流的表观模型相当的跟踪精度。\n (4)提出了一个仿射群上的增量自调节粒子滤波(ISPF，Incremental Self-tuning ParticleFiltering)过程用于目标跟踪。ISPF方法使用类SIFT(Scale Invariant FeatureTransform)描述子作为基本特征，通过增量PCA(Incremental Principal ComponentAnalysis)在线学习一个自适应的子空间作为表观模型，然后将一个基于局部加权投影回归(LWPR，Local Weighted Projection Regression)的姿态估计器引入粒子滤波框架，使得随机粒子本身能依据姿态估计器和相似度反馈机制向其周围最好的状态移动；通过若干次增量式的粒子采样和自调节过程，就能很快找得最优状态。实验表明，与纯随机优化方法和纯决定性优化方法相比，ISPF方法具有更好的鲁棒性和更高的跟踪精度，而且能避免随机优化过程中的大量盲目采样，具有很高的效率，是当前较为先进的跟踪策略。\n (5)提出了一个数据驱动的粒子滤波框架(DDPF，Data-Driven Particle Filtering)用于多目标跟踪。所提出的DDPF框架不是一个纯随机的状态优化方法，相反，一系列从底层数据中学习的特定类的和特定实例相关的启示模型被用来引导状态优化过程，使得状态优化过程更为高效和可靠。这些启示模型包括：一个场景几何模型，用来排除那些明显违背场景透视成像原理的误检测；若干个全局姿态估计器，用来调节随机粒子向正确的方向移动，提高状态优化效率；以及一些在线Boosting的表观模型，用来选择区分性特征以区分不同的个体。目标被一个聚类算法分成两类：“Separated-target”和“’Target

关键词：视觉监控目标跟踪表观模型行人检测金字塔统计量粒子滤波

来源：评论

学校读者我要写书评

暂无评论

基于粒子滤波的图像跟踪算法研究

基于粒子滤波的图像跟踪算法研究

引用

作者：张波上海交通大学

学位级别：博士

以探测搜索、捕获跟踪、激光瞄准为技术依托的机载光电稳定跟踪系统已成为发展新一代光电装备的战略基点之一,对于国防安全、社会稳定、现代化生产和生活有着非常重要的意义。在机载光电稳定跟踪系统中,图像跟踪是一个关键技术,直接决... 详细信息

以探测搜索、捕获跟踪、激光瞄准为技术依托的机载光电稳定跟踪系统已成为发展新一代光电装备的战略基点之一,对于国防安全、社会稳定、现代化生产和生活有着非常重要的意义。在机载光电稳定跟踪系统中,图像跟踪是一个关键技术,直接决定了跟踪系统的性能。同时,图像跟踪也是计算机视觉领域的一个热点研究问题,在视觉监控、人机互动、机器人导航等领域有着广泛的应用。图像跟踪方法大致可分为两大类:概率跟踪方法和确定性跟踪方法。概率跟踪方法由于跟踪性能稳定、可靠,已成为图像跟踪的主流方法,卡尔曼滤波和粒子滤波是这类方法的典型代表。卡尔曼滤波对系统模型和后验分布有严格限制,只能处理线性、高斯、单模态的情况,而在图像跟踪应用中,后验概率的分布往往是非线性、非高斯、多模态的,因此卡尔曼滤波的应用受到一定的限制。与卡尔曼滤波不同,粒子滤波对于系统模型没有特殊要求,而且能够保持状态的多模态分布,不易受杂波的影响,在跟踪领域得到了很大发展。但常规粒子滤波跟踪算法存在计算量大、采样效率低等问题,而且由于实际跟踪场景的复杂性,给常规粒子滤波跟踪算法提出了很大的挑战。为了提高粒子滤波跟踪算法的鲁棒性,进而为科学研究和工程应用提供理论和算法支持,针对粒子滤波跟踪算法中存在的问题,本文提出了改进的粒子滤波跟踪算法。改进工作主要从两方面入手:一方面设计有效的采样算法,使采样粒子尽可能集中在目标附近,更好地描述目标状态后验概率,提高粒子滤波的采样效率,减小计算量;另一个方面提高粒子滤波似然评价的区分性和精确性,设计了颜色和形状双重信息融合的似然模型、自适应似然模型和混合似然模型,并且将这些似然模型结合到粒子滤波中实施跟踪。具体的研究工作主要有: 第一,针对单一视觉信息在动态变化环境下描述目标不够充分、跟踪目标不够稳定的缺点,设计了一种基于粒子滤波框架的自适应信息融合跟踪算法,研究中利用颜色和形状双重信息描述目标,通过民主融合策略将两种信息融合在一起,使得跟踪算法能根据当前跟踪形势自适应调整两种信息的权重,实现信息间的优势互补。由于这种算法能够始终利用对当前跟踪场景稳定的信息跟踪目标,解决了动态变化场景下单一信息跟踪失效的问题。在设计粒子滤波跟踪算法时,利用自适应信息融合策略构建似然模型,提高了粒子滤波跟踪算法在复杂场景下的稳健性。实验结果表明,自适应信息融合跟踪算法在目标平动、转动、部分遮挡等情形下都能成功地跟踪目标。当跟踪场景中出现颜色相似目标时,采用多块颜色模型能够很好的区分目标,解决了相似目标冲突问题。第二,针对粒子滤波采样效率低,计算量大的问题,提出了两种改进的粒子滤波跟踪算法:辅助核粒子滤波跟踪算法和层次采样跟踪算法。辅助核粒子滤波算法首先采用辅助粒子滤波采样粒子,然后利用均值偏移移动粒子到后验密度模式处。与粒子滤波和核粒子滤波相比,辅助核粒子滤波算法在采样时充分考虑观测值,解决了粒子滤波和核粒子滤波采样时由于没有利用观测值而造成粒子不能完全覆盖在目标位置附近的问题;辅助核粒子滤波算法减少了均值偏移迭代次数,与核粒子滤波相比,降低了计算量,同时跟踪性能还可能更高。层次式采样策略在采样粒子时,既强调了粒子的集中性又考虑粒子的多样性,所得粒子集能更好地表达后验概率密度,对于目标发生突然快速运动的情况,其跟踪性能优于粒子滤波和核粒子滤波。实验表明,本文提出的两种跟踪算法在目标快速运动、平动、转动、遮挡、复杂背景下均能较好地跟踪目标。第三,为了反映跟踪过程中目标表观的变化,提高跟踪算法在动态场景下的适应性和稳健性,提出了一种基于自适应表观模型的跟踪算法。利用递增核密度近似方法在线更新灰度表观模型,方便了跟踪算法的实时处理。在实施跟踪算法时,采用自适应表观模型设计粒子滤波的似然模型。另外,采用遮挡处理策略减少异常像素对状态估计的影响。实验结果表明,与固定表观模型跟踪算法相比,基于自适应表观模型的跟踪算法在光照变化、姿态变化、表情变化以及部分或完全遮挡等情形下,均具有较好的跟踪效果。第四,针对跟踪场景的复杂性,为了使跟踪算法能“辨别”目标,提高跟踪算法区分目标和背景的能力,提出了一种混合表观模型跟踪算法。混合表观模型由固定表观模型、快速变化表观模型和特征基表观模型组成,能充分反映目标表观变化。其中特征基表观模型通过加权递增主成分分析方法在线更新,获得的特征基能更好地描述目标表观,提高跟踪算法“辨别”目标的能力。采用上述混合表观模型设计粒子滤波似然模型,使跟踪算法在复杂场景下更稳定,更精确。另外,在整个跟踪算法中,采用遮挡处理策略,进一步提高了跟踪算法在遮挡发生时的有效性。实验表明,所提算法在光照变化、姿态变化、部分遮挡、全部遮挡等环境下均能稳定可靠地跟踪目标,性能优于利用单一表观模型的跟踪算法。本论文

关键词：图像跟踪粒子滤波自适应信息融合均值偏移辅助粒子滤波辅助核粒子滤波层次采样跟踪算法表观模型

来源：评论

学校读者我要写书评

暂无评论

复杂场景下的目标跟踪算法研究

复杂场景下的目标跟踪算法研究

引用

作者：程旭东南大学

学位级别：博士

视觉目标跟踪技术是计算机视觉的重要研究课题之一,它是进行更高层次行为识别和图像语义理解的必要前提,有着广泛的应用背景(比如视频监控、智能交通、机器人导航等)。在跟踪过程中,如何有效地表示目标的表观,同时排除外界环境中的干扰... 详细信息

视觉目标跟踪技术是计算机视觉的重要研究课题之一,它是进行更高层次行为识别和图像语义理解的必要前提,有着广泛的应用背景(比如视频监控、智能交通、机器人导航等)。在跟踪过程中,如何有效地表示目标的表观,同时排除外界环境中的干扰因素(比如姿态变化、形状变化、光照变化、相机运动、目标遮挡等),是视觉跟踪中需要解决的问题。虽然在过去几十年目标跟踪的研究有了很大的发展,但实践表明复杂场景中的运动目标跟踪算法还远未成熟,仍然是一个富有挑战性的课题。针对跟踪过程中存在的困难,本论文在研究了传统目标跟踪算法的基础上,重点对目标表观的建模、模板更新方式、跟踪优化框架等方面进行了深入地研究。论文的主要工作和贡献包括：1)提出了一种基于粒子群优化框架下的目标跟踪算法。该算法考虑了目标的局部信息和不同帧之间SIFT特征点匹配,目标的局部信息能够处理部分遮挡,丢失的目标通过不同帧之间SIFT特征点匹配重新找到。首先将一个目标状态划分为多个不重叠的片段(Patch),每一个片段表示目标不同的部分,同时定义了片段的显著性函数。在跟踪过程中,利用显著值高的片段来对目标跟踪；当目标发生漂移时,通过当前帧图像的SIFT特征与目标模板相匹配来重新找到目标。另外,为了获得更加精确的目标状态,将匹配得到的SIFT特征点的位置信息融入到粒子群算法迭代的结果中。最后对目标模板更新时,只更新片段显著值高的目标模板,而显著值低的片段模板不更新,因此,该算法的更新方式避免了噪声混入到目标模板中造成跟踪质量下降。该算法在一些挑战性的视频数据集上进行了验证,通过对实验结果定性和定量分析说明了该算法的优越性。2)提出了一种等级关联的粒子群迭代多目标检测跟踪算法。针对目标在跟踪过程中受环境变化影响使其跟踪发生偏移的问题,本文提出了一种从目标粗匹配到粒子群算法精确定位的等级关联的多目标跟踪算法。粗匹配阶段,在粒子随机产生过程中融入了上下文信息,通过粒子的标号信息找到当前帧目标与前一帧中的哪个目标相匹配；目标精确定位阶段,通过粒子群迭代优化,找到目标最终的位置。对于有显著偏差的目标位置,采用Metropolis-Hastings采样算法进行纠正,同时完成模板更新。当目标之间发生遮挡时,通过自适应调整不同线索(颜色线索和运动线索)的权重来适应环境的变化,从而继续跟踪目标。实验证明,该方法融入了目标的上下文信息,使得目标匹配的准确度得到了提高,降低了跟踪的目标发生错误跟踪的可能。3)提出了一种基于超像素的在线跟踪算法。本文将超像素作为视觉线索,在此基础上提出了两种跟踪算法：基于超像素的L1跟踪算法(Superpixel-L1 Tracker, SPL1)和加权多示例学习跟踪算法(Weighted Multiple-Instance Learning, WMIL)。对于SPL1算法,通过超像素来构造字典对目标表观建模,然后在粒子滤波的框架下求解每一个粒子(候选目标状态)的L1范数最小化问题。把重构误差最小的候选状态作为跟踪结果。在字典更新过程中,为了减轻目标发生漂移的影响,而保留初始几帧的信息。对于WMIL算法,利用超像素特征建模目标的表观。跟踪过程中,每一个采样粒子依据对跟踪的贡献被赋予一个权重值,然后在多示例学习框架下训练分类器,并把分类值最高的候选目标状态作为目标跟踪的位置。最后,利用加权后得到的正负示例包来更新分类器。仿真结果验证了两种算法在目标发生长时间遮挡、尺度和光照变化时依然能够稳定地跟踪目标。4)提出了一种生成式模型和判别式模型协同的多任务学习跟踪算法。生成式模型忽视了一些对目标判别有用的背景信息,因此,他们在干扰的环境下跟踪目标的效率不高。而判别式方法能够充分利用目标信息和背景信息来分离出目标和背景。本论文使用多任务学习方法来解决目标状态的稀疏问题。首先,每一个候选状态作为一个单独的任务,并在每个状态内依次分割为m个子块。挖掘不同任务之间相应子块的关联信息来获得联合稀疏表示,从而降低了计算代价。其次,针对生成式模型和判别式模型,我们分别定义了两种似然度量准则。生成式模型的似然准则考虑了目标的局部信息；而判别式模型的似然准则考虑了目标的整体信息。在跟踪过程中,两个跟踪模型分别预测目标位置,并且使用一个跟踪器的结果来更新另一个跟踪器的表观模板,这种更新机制避免了单个跟踪模型的自学习问题。另外,采用Metropolis-Hastings采样方法对字典进行更新。最后,在挑战性的视频序列上分析了我们提出的跟踪算法性能,该算法优于其他主流的跟踪算法。5)提出了一种基于显著性检测的多目标跟踪算法。稀疏表示技术由于能够很好地处理噪声的干扰而被用于目标跟踪。同时,稀疏表示方法对多个类别的分类也取得了好的效果。本文将这一技术扩展到跟踪多个目标。首先离线学习显著性检测器,再用该检测器检测每一帧图像中的

关键词：目标跟踪在线学习稀疏表示表观模型模板更新

来源：评论

学校读者我要写书评

暂无评论

肤色历史图的人脸动作识别

引用

计算机工程与设计 2015年第10期36卷 2813-2817页

作者：徐国庆吴云韬武汉工程大学计算机科学与工程学院智能机器人湖北省重点实验室湖北武汉430205

为实现对视频中的人脸动作进行识别,提出一种肤色历史图的识别算法。在运动人脸视频中通过在线肤色实现人脸运动的位置预估,结合主动表观模型的关键点匹配,在历史图像中获得运动矢量;对匹配的关键点使用运动方向滤波算法,去除误匹配的... 详细信息

为实现对视频中的人脸动作进行识别,提出一种肤色历史图的识别算法。在运动人脸视频中通过在线肤色实现人脸运动的位置预估,结合主动表观模型的关键点匹配,在历史图像中获得运动矢量;对匹配的关键点使用运动方向滤波算法,去除误匹配的关键点,使保留的关键点的匹配方向与脸部实际运动方向一致,提高关键点匹配的有效性。在动作识别中,使用动作序列概率算法对两类脸部运动进行区分,实验结果表明,该算法能够在运动人脸视频中较好地识别点头摇头动作,对快速运动视频有较鲁棒的跟踪效果。

关键词：人机交互表观模型运动历史图关键点跟踪动作识别

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：