(3.238.99.243) 您好!臺灣時間:2021/05/17 00:26
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:張益誠
研究生(外文):Yi-Cheng Zhang
論文名稱:利用卡爾曼濾波器以及結構化支持向量機的追蹤演算法
論文名稱(外文):A Moving Object Tracking Algorithm Based on Structured Support Vector Machines and Kalman Filter
指導教授:陳永耀陳永耀引用關係
口試委員:簡士哲黃正民花凱龍
學位類別:碩士
校院名稱:國立臺北科技大學
系所名稱:自動化科技研究所
學門:工程學門
學類:機械工程學類
論文種類:學術論文
畢業學年度:104
中文關鍵詞:支持向量機卡爾曼濾波器背景還原物件追蹤
外文關鍵詞:Support Vector MachineKalman FilterBackground RecoveryObject tracking
相關次數:
  • 被引用被引用:0
  • 點閱點閱:170
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
物件追蹤(Object tracking)是電腦視覺領域中一門重要且充滿挑戰性的影像處理問題,針對目標物件追蹤而言,其困難點在於物件消失、頻繁的遮蔽、光的亮度變化大、類似的目標物的其他物件出現及目標物的移動速度改變,這些都會導致目標物件資訊的流失使得追蹤失敗,而我們的方法可以利用線上即時更新及整合學習,所以可以避免上述的問題。
本論文研究中,提出了結合結構化支持向量機(Structured SVM)和卡爾曼濾波器(Kalman Filter)的單一物件追蹤,利用支持向量機建立出初始訓練模型,並使用卡爾曼濾波器來得到每一幀的背景,來校正目標物件的框架大小,再利用卡爾曼濾波器搜尋目標物件,抓取目標物件及背景的正負樣本,來更新訓練模型,以利於結構化的支持向量機做目標物件追蹤,而我們的實驗結果與近幾年的方法比較,經過評估後,大部分結果勝過其他的方法。
Objective tracking in Videos is a challenging problem due to loss of information caused by varying illuminance in a scene, occlusions, similar target appearances, and so on. That will lead to tracking failures. So we use online learning and integrated learning to update the features of the target, which it can avoid the above problems.
In this paper, we presents a novel object tracking system that combines structured support vector machine(Structured SVM) and kalman filter. We use Kalman filter to predict the dynamics of target object, so as to generate candidate blocks of the target object. Then structured SVM is applied to classify those blocks and estimate the location of the target object. Experimental results demonstrate the robustness of the proposed system.
中文摘要 i
英文摘要 ii
誌 謝 iii
目 錄 iv
表目錄 v
圖目錄 vi
第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究方法 2
1.3 論文架構 2
第二章 物件追蹤演算法 4
2.1 前言 4
2.2 支持向量機 4
2.3 結構化支持向量機 8
2.4 卡爾曼濾波器 11
2.5 巴氏係數 14
第三章 相關追蹤演算法 15
3.1 前言 15
3.2 Chengjian Sun等人提出 15
3.3 Real-Time Compressive Tracking 16
3.4 J. F. Henriques等人提出 17
第四章 利用卡爾曼濾波器及結構化支持向量機的追蹤演算法 18
4.1 前言 18
4.2 建立訓練模型 19
4.3 卡爾曼搜尋 20
4.4 結構化支持向量機分類 22
4.5 框架調整 24
4.6 更新分類器 26
第五章 實驗結果與分析 29
5.1 前言 29
5.2 實驗結果 30
5.3 實驗分析 33
第六章 結論 39
參考文獻 40
[1]R. Polana, R. Nelson, “Low Level Recognition of Human Motion,” IEEE Workshop Motion on Non-Rigid and Articulated Object, pp. 77-82, 1994.
[2]R. E. Kalman, “A New Approach to Linear Filtering and Prediction Problems,” J. Basic Eng. 1960, 82(1):35-45.
[3]C. Sun, S. Zhu and J. Liu, “Fusing Kalman filter with TLD algorithm for target tracking,” IEEE Internatiolnal Conference on Control Conference, 2015, pp. 3736-3741
[4]Kaihua Zhang, Lei Zhang and Ming-Hsuan Yang, “Real-time compressive tracking,” European Conference on Computer Vision. Springer Berlin Heidelberg, 2012, vol. 7574, pp. 864-877.
[5]J. F. Henriques, R Caseiro, P. Martins and J Batista, “High-Speed Tracking with Kernelized Correlation Filters,” IEEE Transactions on Pattern Analysis and Machine Intelligenc. 2014, 37(3):583-596.
[6]Antoine Bordes, Léon Bottou, Patrick Gallinari, and Jason Weston, “Solving multiclass support vector machines with larank,” ACM International Conference on Machine learning (ICML), 2007, pp.89-96
[7]Matthew B Blaschko and Christoph H Lampert, “Learning to localize objects with structured output regression,” European Conference on Computer Vision (ECCV). Springer Berlin Heidelberg, 2008, pp. 2-15.
[8]Antoine Bordes, Nicolas Usunier, and Léon Bottou, “Sequence labeling svms trained in one pass,” Machine Learning and Knowledge Discovery in Databases. Springer Berlin Heidelberg, 2008, pp.146-161.
[9]John Platt et al., “Sequence minimal optimization: A fast algorithm for training support vector machines,” Microsoft Research technical report msr-tr-98-14, 1998.
[10]Jesse Scott, Michael A. Pusateri and Duance Cornish, “Kalman filter based video background estimation,” IEEE Applied Imagery Pattern Recognition Workshop (AIPR), 2009, pp.1-7.
[11]Xin Wang, Chen Ning, Aiye Shi and Guofang Lv, “An improved similarity measure in particle filters for robust object tracking,” IEEE International Congress on Image and Signal Processing ,2013, col. 1, pp. 46-50.
[12]J. Ferryman and A. Shahrokni, “PETS2009: Dataset and challenge,” IEEE International Workshop on Performance Evaluation of Tracking and Surveillance (PETS), 2009, pp. 1-6.
[13]Mykhaylo Andriluka, Stefan Roth and Bernt Schiele, “People-tracking-by-detection and people-detection-by-tracking,” IEEE International Conference on Computer Vision and Pattern Recognition, 2008, pp. 1-8.
[14]Y. Wu, J. Lim and M. H. Yang, “Online Object Tracking: A Benchmark,” IEEE Conference on Computer Vision and Pattern Recognition, 2013, pp. 2411-2418.
電子全文 電子全文(網際網路公開日期:20210728)
連結至畢業學校之論文網頁點我開啟連結
註: 此連結為研究生畢業學校所提供,不一定有電子全文可供下載,若連結有誤,請點選上方之〝勘誤回報〞功能,我們會盡快修正,謝謝!
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top