题名 | 融合多维特征的目标匹配算法研究 |
作者 | 张旭光 |
答辩日期 | 2008-05-24 |
文献子类 | 博士 |
授予单位 | 中国科学院长春光学精密机械与物理所 |
授予地点 | 长春光学精密机械与物理所 |
导师 | 王延杰 |
关键词 | 均值漂移 协方差匹配 李代数 遗忘因子 模糊理论 轨迹预测 |
其他题名 | Study on Object Matching Algorithms through Integration of Multiple Features |
学位专业 | 机械电子工程 |
英文摘要 | 复杂环境下的目标稳健跟踪是计算机视觉领域的重要研究课题。目标跟踪的关键在于能否正确地选择描述目标的特征,采用多维特征描述目标将增强特征模型的辨别能力,提高目标跟踪的稳定性。 本文从特征融合的方式入手,研究了两种巧妙的特征融合方式——直方图与协方差矩阵,并分别提出了相应的目标匹配及跟踪算法。 Mean shift(均值漂移)算法是一种非参数密度估计算法,可以实现快速的局部最优匹配,被广泛地应用在目标实时跟踪领域。然而,传统的Mean shift算法仍存在一些不足之处,例如:易受到背景中相似直方图分布的干扰;颜色(亮度)直方图中丢失了目标空间信息;当目标被部分遮挡时定位不准。 协方差矩阵可以在维数很低的条件下融合多维特征,并获得全局最优匹配。但是,全局匹配会受到更多的相似目标以及背景的干扰。另外,协方差矩阵不属于欧几里德空间,需要重新考虑相似度测量、模板更新等问题。 融合多维特征的目标匹配具有较强的稳定性,可以克服部分遮挡的干扰。然而,当目标遭遇严重遮挡时正确地提取特征十分困难。因此,需要提出专门的策略去处理严重遮挡问题。 本文围绕以上的问题展开了研究,主要贡献和创新点体现在: (1) 提出了基于IOCG (Intensity, Orientation Codes and Geometry)多维直方图的Mean shift跟踪新算法,弥补了传统Mean shift跟踪模型缺乏辨别力、定位不准的不足。 (2) 采用多kernel的Mean shift初始化策略,并提出利用对数似然比分割目标的方法,筛选多kernel的初始化位置,兼顾了算法的稳定性与实时性。 (3) 研究了协方差矩阵匹配目标的方法与性能,并将随机采样的理论应用于协方差跟踪,使协方差矩阵的计算时间与目标大小无关。 (4) 从理论上研究了拓扑学、微分流形、李群、李代数等数学知识及其在计算机视觉领域的应用,实现了基于李代数的协方差矩阵更新。 (5) 为了削弱协方差跟踪中相似目标的干扰,提出了基于模糊理论的遗忘因子加权搜索策略,对窗口中不同位置,按其到窗口中心的距离赋予不同的相似度权值。 (6) 阐述了轨迹预测的理论依据,利用滤波残差判断目标是否被严重遮挡,从而调整Kalman滤波器的工作状态,当遮挡消失后重新捕获目标。 |
语种 | 中文 |
公开日期 | 2012-03-21 |
页码 | 123 |
内容类型 | 学位论文 |
源URL | [http://159.226.165.120//handle/181722/723] ![]() |
专题 | 长春光学精密机械与物理研究所_中科院长春光机所知识产出 |
推荐引用方式 GB/T 7714 | 张旭光. 融合多维特征的目标匹配算法研究[D]. 长春光学精密机械与物理所. 中国科学院长春光学精密机械与物理所. 2008. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
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。
修改评论