学位论文 > 优秀研究生学位论文题录展示
基于CUDA的霍夫森林目标跟踪算法研究
作 者: 陈为宜
导 师: 李翠华
学 校: 厦门大学
专 业: 计算机技术
关键词: 霍夫森林 目标跟踪 CUDA
分类号: TP391.41
类 型: 硕士论文
年 份: 2014年
下 载: 6次
引 用: 0次
阅 读: 论文下载
内容摘要
目标跟踪技术因其在军事、民用等领域广泛的应用前景,一直是计算机视觉领域热门的研究方向之一。但由于现实环境的复杂性,跟踪过程中目标往往容易受到光照变化、外观变化、姿态变化、部分或全部遮挡等因素的影响,这都给跟踪技术的发展带来了极大的困难。本文结合随机森林近几年在计算机视觉领域的广泛应用,从多特征融合、CUDA编程技术研究入手,与随机森林算法理论相结合,提出了基于弱分类器响应的霍夫森林跟踪算法,提高了传统随机森林的鲁棒性和准确性。本文完成的主要工作和贡献有:一、提出一种基于弱分类器响应的霍夫森林跟踪算法。该算法采用了LBP特征,LBP特征是一种可以用来表征纹理信息的特征描述算子,在现实世界中,很多图片的纹理信息是非常重要的;并且在霍夫森林的训练阶段,设计并提出了一种新的分裂策略,在原始的霍夫森林训练阶段,原有决策函数只随机选取两个点所在位置的像素值进行比较,这样代表的信息是不够的,所以考虑使用能够表达更多信息的Harr-like特征响应值来代替,这样能获得所选取点邻域附近更多的信息。二、实现了基于CUDA的霍夫森林跟踪算法。通过利用CUDA并行编程技术来构建霍夫森林,实验结果表明,CUDA技术有效地提高了训练森林的速度,达到了较高的加速比。将本文提出的基于CUDA的霍夫森林目标跟踪算法应用于单目标跟踪,采用通用公开的单目标跟踪测试集进行测试,并与近几年提出的效果较好、比较有代表性的五种单目标跟踪算法(Frag、 MIL、 IVT、PN、VTD)进行对比,实验表明本文提出的算法在平均中心位置误差上优于其他五种算法,能实现准确鲁棒地跟踪目标。
|
全文目录
摘要 4-5 Abstract 5-12 第一章 绪论 12-20 1.1 研究背景及意义 12-13 1.2 国内外研究现状 13-16 1.2.1 目标跟踪国内外研究现状 14-16 1.2.2 GPGPU技术国内外研究现状 16 1.3 论文研究内容 16-20 1.3.1 论文主要工作与贡献 17 1.3.2 论文结构安排 17-20 第二章 随机森林理论 20-34 2.1 决策树算法 20-24 2.1.1 决策树 20-21 2.1.2 决策树属性的选择 21-22 2.1.3 决策树的构建 22-23 2.1.4 决策树剪枝策略 23-24 2.2 随机森林算法 24-31 2.2.1 随机森林训练算法 24-30 2.2.2 随机森林投票 30 2.2.3 极端随机森林 30-31 2.3 随机森林优势 31 2.4 随机森林在计算机视觉领域的应用 31-32 2.5 本章小结 32-34 第三章 基于弱分类器响应的霍夫森林跟踪算法 34-72 3.1 特征描述 35-39 3.1.1 Lab颜色空间 35 3.1.2 HOG特征 35-38 3.1.3 LBP特征 38-39 3.2 霍夫森林算法 39-42 3.2.1 构建霍夫森林 40-41 3.2.2 使用霍夫森林进行目标检测 41-42 3.3 基于弱分类器响应的决策树分裂策略 42-44 3.4 基于检测的跟踪方法 44-46 3.5 实验结果与分析 46-69 3.5.1 实验环境 46-47 3.5.2 评价标准 47-48 3.5.3 与传统霍夫森林跟踪算法对比 48-58 3.5.4 与主流跟踪算法对比 58-69 3.6 本章小结 69-72 第四章 基于CUDA的霍夫森林算法 72-86 4.1 CUDA编程模型 72-77 4.1.1 主机和设备 72-74 4.1.2 线程层次结构 74 4.1.3 CUDA硬件架构 74-75 4.1.4 存储器层次结构 75-77 4.2 CUDA并行程序优化 77-78 4.3 基于CUDA的霍夫森林算法 78-84 4.3.1 基于CUDA的HOG特征提取实现 79-82 4.3.2 基于CUDA的split函数实现 82-84 4.4 本章小结 84-86 第五章 总结与展望 86-88 5.1 总结 86 5.2 展望 86-88 参考文献 88-92 攻读硕士学位期间发表论文及科研情况 92-94 致谢 94
|
相似论文
- 带径向速度观测的跟踪算法研究,TN953
- 多传感器组网及反隐身、抗干扰接力跟踪技术研究,TN953
- 空间交会接近视觉测量方法研究,TP391.41
- 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 基于粒子滤波的自主机器人视觉目标跟踪研究,TP242
- 红外图像目标识别及跟踪技术研究,TP391.41
- 空间红外目标仿真与跟踪技术研究,TP391.41
- 基于运动目标轨迹分析的智能交通监控系统,TP277
- 基于CUDA的图像数字水印技术的研究,TP309.7
- CUDA平台下数字图像认证方法的设计与实现,TP391.41
- 基于GPU并行加速的正射影像生成研究,TP391.41
- 基于支持向量机的视频目标检测方法研究,TP391.41
- 运动目标检测和跟踪算法研究,TP391.41
- 机载雷达抗干扰技术研究,TN974
- 基于视觉感知的鱼群目标检测与跟踪技术研究,TP391.41
- 传感器网络中目标跟踪算法研究,TN929.5
- 无线传感器网络的目标跟踪算法研究,TN929.5
- 基于GPU的BLAST程序的并行计算的研究,TP338.6
- 基于GPU的医学图像体绘制算法的研究与实现,TP391.41
- 基于主动视觉的运动目标检测与跟踪研究,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|