基于仿生模式識別的目標(biāo)跟蹤算法的研究.pdf

1、計(jì)算機(jī)視覺是通過計(jì)算機(jī)模擬來代替人類大腦對周圍的環(huán)境進(jìn)行感知和理解，計(jì)算機(jī)視覺中的目標(biāo)跟蹤是其中的一個(gè)非常重要的研究方向，在實(shí)際生活中有著重要的應(yīng)用，已經(jīng)被廣泛應(yīng)用到智能監(jiān)控、汽車導(dǎo)航、醫(yī)學(xué)影像分析等工程中。仿生模式識別以“認(rèn)識”事物為主，在高維空間中通過多權(quán)值神經(jīng)網(wǎng)絡(luò)對樣本進(jìn)行覆蓋，為目標(biāo)跟蹤提供了新的方法。
　　通過研究仿生模式識別理論、同源連續(xù)性原理、多權(quán)值神經(jīng)網(wǎng)絡(luò)、傳統(tǒng)的仿生模式識別目標(biāo)跟蹤算法，結(jié)合實(shí)際應(yīng)用，針對傳統(tǒng)仿生

2、模式識別目標(biāo)跟蹤算法只利用訓(xùn)練樣本的灰度特征的缺點(diǎn)，提出了融合圖像HOG特征和SIFT特征的仿生模式識別目標(biāo)跟蹤算法，在灰度特征中分別加入HOG和SIFT特征，利用HOG和SIFT特征的特性可有效抵抗光照和形變的影響。通過理論分析和實(shí)驗(yàn)對比，驗(yàn)證了本文算法相比傳統(tǒng)算法更加精確和穩(wěn)定。
　　鑒于離線學(xué)習(xí)固定的仿生神經(jīng)網(wǎng)絡(luò)在其覆蓋范圍之外的泛化能力弱，我們研究了在線學(xué)習(xí)算法，并將其應(yīng)用到融合圖像HOG和SIFT特征的仿生模式識別目標(biāo)跟