绑定机构
扫描成功 请在APP上操作
打开万方数据APP,点击右上角"扫一扫",扫描二维码即可将您登录的个人账号与机构账号绑定,绑定后您可在APP上享有机构权限,如需更换机构账号,可到个人中心解绑。
欢迎的朋友
万方知识发现服务平台
获取范围
  • 1 / 1
  (已选择0条) 清除 结果分析
找到 1 条结果
[博士论文] 孙冲
信号与信息处理 大连理工大学 2018(学位年度)
摘要:近些年来,随着“城市大脑”概念的提出,作为其重要技术支持的视觉跟踪受到了越来越多的关注。标准的视觉跟踪算法侧重于在单个监控视角下对一个或一些目标进行持续的定位,并提供其位置及尺度信息。在民用领域,视觉跟踪技术可以有效地帮助城市管理者在大量的城市监控数据中实现对目标状态及轨迹的快速检索,极大地解放了人们的工作负担。在军事领域,视觉跟踪技术是无人机导航、导弹制导等尖端国防科技的重要组成部分。本文主要针对开放场景中的视觉跟踪问题进行研究,并重点探索结构化外观模型在目标出现较大形变及遮挡时的应用。本文主要贡献如下:
  提出了基于隐变量时空结构化建模的视觉跟踪算法。本文通过贝叶斯理论推导,将视觉跟踪任务建模成目标位置及遮挡状态估计的交替迭代优化问题。首先,在已知遮挡状态先验的情况下,将当前帧目标每个子区域状态及历史已跟踪视频帧目标状态定义为隐变量,并基于该隐变量引入时空树拓扑结构以同时考虑待跟踪目标的时间及空间结构化信息。通过基于隐变量的时空树拓扑结构,算法引入光流估计信息,进而可以提供更准确的目标运动估计。其次,在已知目标位置先验的条件下,本文同时考虑正负样本信息及时间一致性信息以建立判别遮挡模型。该模型可以有效地对目标遮挡状态进行检测,并减少外观形变、光照变化等因素对遮挡检测的影响。
  提出基于互补空间感知回归函数的视觉跟踪算法。本文探索深度特征的空间信息,并提出两个互补的具有空间感知模块的神经网络来提升模型的表达能力。首先,提出了带有加权交叉相似核函数的岭回归算法。相较于传统岭回归算法,本文的模型可以联合学习到岭回归系数及目标每一个子区域的可靠性,并考虑目标不同区域间的相似性关系,具有较强的处理非刚性形变的能力。本文分析了所提出的岭回归算法与神经网络的关系,并给出了其神经网络的等价形式。所提出的模型可以通过梯度下降算法端到端地训练得到,为未来将其融合到基于神经网络的特征学习框架中打下基础。其次,本文提出了具有空间约束核函数的卷积神经网络。通过令卷积核上的某些位置恒为0,本文算法使得每一个卷积输出只关注到目标的一个局部区域,进而增加了卷积神经网络的表达能力。最后,本文将两个网络(岭回归网络及卷积神经网络)的响应结合到一起作为最终的响应图,并根据该响应图确定目标位置。
  提出基于联合判别及可靠性学习相关滤波的视觉跟踪算法。本文探索相关滤波器中的结构化外观建模问题,将相关滤波器系数改写成了基滤波器及可靠性权重矩阵的哈达玛积,并利用基滤波器及可靠性权重矩阵分别学习分类器的判别及可靠性信息。首先,通过引入局部响应一致性约束项,本文使得所学习到的基滤波器可以均匀地强调整个目标区域,防止滤波器权重被分配到一个比较小的局部区域上,避免所学习到的滤波器系数分布被特征图支配。其次,本文通过交替迭代算法联合优化可靠性权重矩阵与基滤波器系数,使得算法可以自适应地根据跟踪过程中每个区域的表现分配可靠性权重。本文给出了所提出最优化问题的交替迭代解,并推导出傅里叶域的加速计算策略。
  (已选择0条) 清除
公   告

北京万方数据股份有限公司在天猫、京东开具唯一官方授权的直营店铺:

1、天猫--万方数据教育专营店

2、京东--万方数据官方旗舰店

敬请广大用户关注、支持!查看详情

手机版

万方数据知识服务平台 扫码关注微信公众号

万方选题

学术圈
实名学术社交
订阅
收藏
快速查看收藏过的文献
客服
服务
回到
顶部