【摘要】：運動跟蹤識別,是計算機視覺的基礎和關鍵技術以及數(shù)字圖像處理的重要分支。它為用戶提供查看和檢索的運動信息,為目標特征提取、識別分類提供基礎,其結(jié)果直接影響行為理解、語義描述以及推理決策等后繼的高層次處理。目前這些技術已在軍事科學、生物醫(yī)學科學、信息科學和氣象學等領域的科研和工程實踐中發(fā)揮著極大的作用。本論文研究了運動跟蹤識別中光流和遮擋的計算檢測、運動目標的跟蹤、動作識別的三個具體問題。這三個具體問題是計算機視覺領域中研究內(nèi)容的重要組成部分,為智能化分析提供重要依據(jù)。然而,由于運動狀態(tài)的復雜性以及人類對視覺系統(tǒng)感知運動的機理認識不足,運動跟蹤識別仍然是一個富有挑戰(zhàn)性難題。稀疏表示的特征是具有穩(wěn)定的重構(gòu)能力和充分的維度減少能力。它能夠有效的表示圖像/視頻數(shù)據(jù)中本質(zhì)的、有意義的關鍵內(nèi)容,抑制噪聲和遮擋的影響�；谙∈璞硎镜淖钚』�,能有效的提高運算的效率和魯棒性。目前,基于稀疏表示模型的方法引起了廣泛的關注。本論文內(nèi)容包括四個方面:基于稀疏模型實現(xiàn)光流和遮擋的計算檢測;發(fā)展一個魯棒稀疏模型;發(fā)展一個稀疏模型用于運動目標的跟蹤;基于稀疏模型實現(xiàn)動作識別。(1)在遮擋區(qū)域中,有意義信息過少往往導致運動物體出現(xiàn)模糊屬性。為此,本文組合了時空域與變換域中的稀疏特征表示遮擋,采用Stein-Weiss解析函數(shù)作為變分模型正則化函數(shù)和稀疏模型變換函數(shù),從而建立一個統(tǒng)一的沒有經(jīng)由稀疏轉(zhuǎn)換的稀疏模型和伴隨有稀疏轉(zhuǎn)換的稀疏模型的光流框架。對于伴隨有稀疏轉(zhuǎn)換的稀疏模型的字典學習,通過沒有經(jīng)由稀疏轉(zhuǎn)換的稀疏模型直接生成一個全局的字典,從而將該全局的字典生成對應層疊塊的小塊字典。在Middlebury和Sintel評估數(shù)據(jù)庫中,對比目前一些流行的檢測光流與遮擋的算法,本文的算法具有優(yōu)越的表現(xiàn)效果。(2)為了有效地從多個任務中選擇共享的稀疏特征,本文提出了一個魯棒的多任務學習模型。在損失函數(shù)方面,非平滑函數(shù)的調(diào)節(jié)設置抑制了每個任務噪音的影響。在正則化條件方面,非凸性質(zhì)的正則化條件能夠良好地逼近原始的0型正則化條件,且凸性質(zhì)的正則化條件往往允許有一個全局的最優(yōu)解。本文使用了凸性質(zhì)和非凸性質(zhì)的條件正則化加權矩陣,進行有效的平衡和杠桿;同時發(fā)展了一個有效的優(yōu)化方法解決非平滑非凸的最小化問題。在合成的數(shù)據(jù)與評估數(shù)據(jù)集的實驗中,對比目前一些流行的多任務特征學習算法,本文的算法具有優(yōu)越的表現(xiàn)效果。(3)為了有效地在目標跟蹤中應用多任務共享稀疏特征,本文提出了一個具有調(diào)節(jié)和識別能力的多任務稀疏特征模型。在損失函數(shù)方面,非平滑函數(shù)的設置調(diào)節(jié)了每個任務的噪音水平。在正則化條件方面,加權矩陣分離為兩個特定的結(jié)構(gòu),探索相關任務的共享稀疏特征以及識別不相關的任務;同時發(fā)展了一個有效的優(yōu)化方法解決非平滑非凸的最小化問題。在公開可用的視頻序列數(shù)據(jù)庫中,對比目前一些流行的目標跟蹤算法,本文的算法具有優(yōu)越的表現(xiàn)效果。(4)本文還應用了lasso稀疏模型,將動作識別作為基于最大平均相關高度濾波的最小化問題,建立了一個簡單動作識別算法。評估數(shù)據(jù)集的實驗表明了,本文提出的算法具有良好的表現(xiàn)。
[Abstract]:......
【學位授予單位】：華南理工大學
【學位級別】：博士
【學位授予年份】：2016
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

1 洪濤,王申康;基于圖像特征分析的人體正面運動跟蹤研究[J];浙江大學學報(工學版);2005年06期

2 李玲;崔凌;劉浩;;人體運動跟蹤技術在智能康復系統(tǒng)中的應用[J];科技風;2009年19期

3 蔣潔;郭寶龍;莫瑋;;一種基于運動跟蹤的幀內(nèi)刷新技術[J];光電子.激光;2010年09期

4 沈建鋒;楊文明;廖慶敏;;結(jié)合部件分割和粒子濾波的3D人體運動跟蹤[J];計算機輔助設計與圖形學學報;2012年02期

5 李瑞芳,劉忱;After Effects 4.1軟件使用技巧系列講座第四講——運動跟蹤技術[J];電視字幕(特技與動畫);2001年05期

6 朱強;莊越挺;陳家實;潘云鶴;;基于色塊的人體運動跟蹤[J];模式識別與人工智能;2001年04期

7 陳睿,劉國翌,趙國英,張俊,李華;基于序列蒙特卡羅方法的3D人體運動跟蹤[J];計算機輔助設計與圖形學學報;2005年01期

8 蔣明;蔣毅;曾曉雁;;激光飛行標刻運動跟蹤技術[J];中國激光;2007年02期

9 黃苜;;基于分布算法的人體運動跟蹤系統(tǒng)[J];廣西輕工業(yè);2008年03期

10 李金;于虹;周璐璐;梁洪;;基于量子遺傳和無跡粒子濾波的人體運動跟蹤[J];系統(tǒng)仿真學報;2008年18期

相關會議論文 前5條

1 董華;王人成;黃昌華;金德聞;;人體運動跟蹤方法的研究進展[A];中國康復醫(yī)學會第四屆會員代表大會暨第三屆中國康復醫(yī)學學術大會論文匯編[C];2001年

2 吳晉斌;葉龍;王京玲;;基于運動模型的人體運動跟蹤[A];圖像圖形技術與應用進展——第三屆圖像圖形技術與應用學術會議論文集[C];2008年

3 于慧;孫光民;李笑;;一種人體運動跟蹤方法[A];通信理論與信號處理新進展——2005年通信理論與信號處理年會論文集[C];2005年

4 李建華;孫怡;馬小妹;安宏杰;;基于距離圖像的人體下肢關節(jié)點運動跟蹤[A];第十屆全國信號處理學術年會（CCSP-2001）論文集[C];2001年

5 張玉祥;李華成;馬柳藝;;基于MEMS器件的交互筆運動跟蹤研究[A];第九屆全國信息獲取與處理學術會議論文集Ⅰ[C];2011年

相關博士學位論文 前10條

1 李東年;基于深度圖像序列的三維人手運動跟蹤技術研究[D];山東大學;2015年

2 陳鵬光;基于稀疏模型的運動跟蹤識別算法[D];華南理工大學;2016年

3 孫怡;人體運動跟蹤的方法與實驗研究[D];大連理工大學;2002年

4 陳堅;單目視頻人體運動跟蹤和獲取技術研究[D];中國科學院研究生院（軟件研究所）;2005年

5 劉國翌;基于視頻的人體運動跟蹤技術研究[D];中國科學院研究生院（計算技術研究所）;2005年

6 孫洛;基于多攝像機的人體運動跟蹤與分析[D];清華大學;2010年

7 陳姝;基于視頻的人體運動跟蹤與重構(gòu)方法研究[D];中南大學;2008年

8 劉國軍;基于可移動拍攝大場景下的人體運動跟蹤關鍵技術的研究與應用[D];哈爾濱工業(yè)大學;2009年

9 陳睿;基于概率模型的三維人體運動跟蹤研究[D];中國科學院研究生院（計算技術研究所）;2005年

10 馬英紅;一種基于磁場檢測的手部運動跟蹤系統(tǒng)[D];西安電子科技大學;2011年

相關碩士學位論文 前10條

1 丁強;基于FPGA與機器視覺的運動跟蹤系統(tǒng)設計[D];內(nèi)蒙古大學;2016年

2 楊紅梅;基于人體運動跟蹤的遠程康復系統(tǒng)關鍵技術的研究[D];重慶郵電大學;2010年

3 李玲;基于人體運動跟蹤的智能康復系統(tǒng)關鍵技術的研究[D];重慶郵電大學;2009年

4 邊林海;基于視頻的人體運動跟蹤技術研究[D];沈陽航空航天大學;2011年

5 馮蓮;基于視頻的人體運動跟蹤技術研究[D];湖南大學;2006年

6 蔡聰;基于視頻的動物運動跟蹤分析系統(tǒng)及應用研究[D];華中科技大學;2011年

7 馮光潔;基于多目標優(yōu)化的視頻人體運動跟蹤[D];西安電子科技大學;2012年

8 高書秀;基于卡爾曼濾波的多區(qū)域聯(lián)合人體運動跟蹤的研究與應用[D];哈爾濱工業(yè)大學;2007年

9 尹光明;基于單目視頻的運動跟蹤算法研究與實現(xiàn)[D];華中科技大學;2008年

10 茍靖翔;基于視覺信息特征和機器學習的人體運動跟蹤與三維姿勢恢復[D];西安電子科技大學;2012年

，

本文編號：2376130