分享到:

基于支持向量机的目标跟踪技术研究

针对传统目标跟踪系统由于目标旋转、遮挡、尺度变化、变形以及光照变化等引起的跟踪精度低等缺点,本文将基于统计学习理论中的支持向量机(SVM)应用到目标跟踪领域中。该算法不仅能够自动检测和跟踪视场或图像中预先设定好的目标,而且克服了传统目标跟踪系统的缺陷。论述了将SVM应用到目标跟踪领域的算法原理及实现过程。为了将支持向量机跟踪算法与其它算法进行性能比较,实验中分别实现了重心和相关等传统跟踪算法及其改进算法。由于将图像像素值直接作为SVM训练器和分类器的输入数据,算法的计算量过大,从而导致跟踪精度较低。因此,提出了分别采用Gabor小波计算样本特征,然后使用能量函数、主分量分析(PCA)和AdaBoost算法挑选部分Gabor特征;通过PCA和线性判别分析(LDA)对输入的数据降维;计算Haar小波特征,用AdaBoost提取部分有代表性的特征共三种特征选择方法与SVM相结合进行目标跟踪的算法。实验结果表明,后一种特征提取方法具有较  (本文共134页) 本文目录 | 阅读全文>>

南京航空航天大学
南京航空航天大学

多机动目标跟踪技术研究

由于在军事和民用领域具有广阔的应用前景,目标跟踪问题的研究一直受到人们的广泛关注。最近几十年来,国内外众多专家学者对之进行了深入的研究,并取得了丰硕的成果。多机动目标跟踪问题是目前目标跟踪领域的一个重要研究方向,它是将传感器接收到的众多量测值按照它们的来源分类,给出各跟踪目标的运动轨迹,并分析运动轨迹的准确性和可靠性。本文主要对多机动目标跟踪中的两个关键技术,即数据关联与跟踪维持进行研究。首先研究了几种常用的机动目标跟踪算法:卡尔曼滤波算法、扩展卡尔曼滤波算法、“当前”统计模型算法和交互式多模型算法,并提出了一种“当前”模型的模糊改进算法,经过对几种自适应滤波算法的仿真比较,证明它们用于解决机动目标跟踪问题是有效可行的。其次对多目标航迹的起始和终结方法进行了研究,并重点研究了机动目标跟踪的几种数据关联的方法,包括最近邻数据关联,概率数据关联和联合概率数据关联,并提出了一种改进当前模型-概率数据关联算法,仿真证明其较传统的交互式多...  (本文共89页) 本文目录 | 阅读全文>>

南京邮电大学
南京邮电大学

基于支持向量机的实时视频目标跟踪技术研究

近年来在计算机视觉研究领域中,视频目标跟踪成为重要课题,在人机交互、增强现实等诸多领域应用广泛。由于视频场景中包含许多诸如光照、遮挡、背景干扰等复杂信息,加上目标本身的运动变化,使得研究鲁棒的目标跟踪算法面临着很大的挑战。本文对视频目标跟踪算法做了具体的研究,采用结构化支持向量机实现目标跟踪,主要研究方面如下:(1)在深入研究不同特征提取方法的基础上,设计并实现了基于支持向量机的目标分类算法,并展示了不同特征提取方法的分类效果。针对特征提取中的冗余信息,采用主成分分析(PCA)降维方法去除变量之间的相关性,通过不同类型的实验,总结出不同样本提取特征方法在实际中的不同应用。(2)改进传统的结构化支持向量机在线目标跟踪方法,解决了在目标半遮档和运动交叉时产生的跟踪漂移现象。采用帧间目标匹配度波动值判断目标是否出现异常,从而决定是否更新支持向量,并结合卡尔曼滤波预测下一帧目标位置,修正跟踪结果。(3)针对目标在视频中暂时离开,重新捕获...  (本文共77页) 本文目录 | 阅读全文>>

西北农林科技大学
西北农林科技大学

基于分布场模型的目标跟踪方法研究

目标跟踪是计算机视觉的一个重要研究方向,已经广泛应用到视频监控,人机接口、机器人感知、行为理解和动作识别等领域。但由于跟踪过程中目标的旋转、变形、遮挡和光照变化等复杂因素的影响,视觉跟踪技术一直是一个值得深入研究的问题,本文以分布场模型为基础,提出了两种目标跟踪算法。(1)提出了一种基于全局搜索的实时分布场目标跟踪算法,克服了原始分布场的局部搜索和实时性差的局限。该方法首先通过将图像扩展到分布场,增强了目标的吸引域,对目标运动可能出现的部分遮挡、光照变化等能够妥善处理。在空间域和特征域进行高斯平滑以提高目标的表示能力,并采用相关系数代替原始算法的L1范数度量目标分布场与候选区域分布场的距离,利于运用傅里叶变换,将相关系数从计算复杂度高的时域转换到计算复杂度低的频域来实现,并且能一次算出目标分布场和检测区域所有候选分布场的相似度,从而保证算法的实时性和全局搜索能力,克服稀疏采样方法的随机性和局部结果最优性。实验结果表明提出的方法在...  (本文共52页) 本文目录 | 阅读全文>>

合肥工业大学
合肥工业大学

支持向量机在多目标跟踪中的研究应用

多传感器信息融合多目标跟踪是当前目标跟踪领域的研究前沿,它将多个传感器信息进行有机的合成,用以提高目标运动状态估计的精度,其性能比单一传感器优越很多。由于在军事和民用领域具有广阔的应用前景,多传感器融合多目标跟踪问题的研究已经受到人们的广泛关注。杂波强干扰和目标高度机动情况下的数据关联是多目标跟踪领域的一个难点问题,也是多目标跟踪的关键问题。本文针对多传感器信息融合多目标跟踪中存在的问题,主要做了以下几个方面的工作:1、提出了一种基于目标多特征信息的支持向量机数据关联算法,即把量测新息作为支持向量机的输入,通过支持向量机对各个传感器的测量数据进行关联处理,实现对多目标的精确跟踪。2、针对多传感器信息融合多目标跟踪,提出了基于支持向量机的航迹关联算法。把各个传感器目标航迹状态估计偏差作为支持向量机输入,对各个传感器的目标的状态估计信息进行分类识别,从而实现多传感器信息融合多目标跟踪中的航迹关联。3、将支持向量机与扩展Kalman滤...  (本文共58页) 本文目录 | 阅读全文>>

厦门大学
厦门大学

基于排序支持向量机的目标跟踪算法研究

近年来,计算机视觉中的目标跟踪技术在各个领域的应用越来越广泛,而目标跟踪算法也随着研究的深入而不断加强。然而要想实现对视频目标的鲁棒性跟踪,仍然需要克服目标外观形变、光照变化、快速运动、遮挡问题等干扰。本文将视觉目标跟踪问题视为一个排序学习问题,利用排序支持向量机进行目标跟踪,提出了两种新的目标跟踪算法,并且应用于日益受到重视的红外视频下的目标跟踪问题,实现对红外视频目标的鲁棒性跟踪。本文的主要工作和贡献如下:1.提出一种多特征融合的排序支持向量机目标跟踪算法。首先,通过排序支持向量机学习得到排序函数,然后再结合两种不同的图像特征分别构造分类器,最后通过计算两个分类器的错误率得到权重并完成融合,从而得到一个自适应的多特征融合排序支持向量机跟踪算法。2.提出了一种基于协同训练排序支持向量机的跟踪方法。该方法通过使用两个不同的排序支持向量机进行协同学习,实现相互补充与增强,从而能够克服目标在遮挡、嘈杂背景以及光照等因素作用下的目标外...  (本文共78页) 本文目录 | 阅读全文>>