以NAO机器人为平台的人机互动技术研究（实时快速交互目标跟踪）

摘要

跟踪技术在机器视觉中有着重要的作用，尤其在人机交互技术当中，跟踪技术有着极大的发展价值。本文针对基于NAO机器人的人机交互实现，研究了前景分割-目标跟踪的框架，首先以视觉背景提取子ViBe为基础，在复杂的室内场景下提取出交互对象所在的前景，然后通过跟踪算法实时对交互目标进行跟踪。
　　由于注意到在实现机器人的人机交互时，往往机器人本身的运算能力不足以实时处理图像，因此图像需要传输到PC端上进行处理，加上发送指令给机器人也会有一段滞后期，所以就必须考虑跟踪算法的效率。本文主要从两个方面进行高速跟踪算法的研究：
　　(1)通过信号科学中的压缩感知理论，对跟踪目标进行特征提取和特征投影降维，降低特征运算所需要的时间。然后通过简单的朴素贝叶斯分类器进行分类，形成非参数的鲁棒跟踪结构。
　　(2)以空间相关性为出发点，通过分析目标和背景环境的相关性进行建模，然后利用贝叶斯条件概率和快速傅里叶变换进行概率计算和计算加速。

目录

封面

声明

上海交通大学硕士学位论文答辩决议书

中文摘要

英文摘要

目录

1 绪论

1.1 论文研究的背景与意义

1.2 跟踪算法研究现状

1.2.1 On-line Boostng(OAB)

1.2.2 Incremental Learning (IVT)

1.2.3 Multiple Instance Learning(MIL)

1.2.4 Tracking-learning-detection(TLD)

1.3 论文的主要内容和结构

2 基于ViBe的前景分割

2.1 介 绍

2.2 ViBe算法流程

2.3 彩色空间的颜色距离质量

2.4 模型更新

2.5 实验结果

2.5.1 实验一

2.5.2 实验二

2.6 实验三

3 实时跟踪算法

3.1 压缩感知跟踪

3.1.1 压缩感知理论介绍

3.1.2 随机投影

3.1.3 RIP约束等距性质

3.1.4 随机观测矩阵

3.1.5 跟踪算法

3.1.6 跟踪分析

3.2 空间相关性跟踪

3.2.1 目标的空间相关性建模

3.2.2 相关性区域先验概率

3.2.3 后验置信度

3.2.4 学习相关性模型

3.2.5 跟踪流程

3.2.6 跟踪分析

4 跟踪实验

4.1 移动场景及变光照跟踪

4.2 大区域遮挡跟踪

4.3 快速遮挡及旋转跟踪

4.4 组合形变跟踪

5 总结与展望

攻读硕士学位期间发表的论文

参考文献

致谢