【摘要】：目標跟蹤是計算機視覺領(lǐng)域中的研究熱點之一,被廣泛應(yīng)用于智能視頻監(jiān)控、人機交互等領(lǐng)域。在目標跟蹤過程中,經(jīng)常會出現(xiàn)光照變化、尺度變化、部分遮擋、全部遮擋以及出攝像頭視野之外等問題,所以設(shè)計一種可以適應(yīng)所有復(fù)雜環(huán)境的目標跟蹤算法是極具挑戰(zhàn)性的。本文主要研究基于核相關(guān)濾波器的長期目標跟蹤算法,針對長期跟蹤過程中容易出現(xiàn)的目標消失、跟蹤漂移等問題進行深入研究。本文的主要工作和創(chuàng)新點如下:(1)根據(jù)特征提取方式,將目標跟蹤分為傳統(tǒng)的目標跟蹤和基于深度學習的目標跟蹤兩類,每類分別介紹了三種經(jīng)典的跟蹤算法。同時,對本文使用的數(shù)據(jù)集和評價標準進行詳細說明,通過觀察各種經(jīng)典的目標跟蹤算法在不同數(shù)據(jù)集上的表現(xiàn)來分析它們的性能。(2)提出了一種基于自適應(yīng)相關(guān)濾波器的長期跟蹤算法(ACFLT)。ACFLT利用一個在線支持向量機(SVM),在相關(guān)濾波跟蹤器跟蹤失敗時進行重新檢測,以解決目標消失、跟蹤漂移等問題。此外,ACFLT使用標準化峰值(NPV)來衡量跟蹤結(jié)果的置信度以及估計目標的狀態(tài),然后根據(jù)目標的不同狀態(tài)對相關(guān)濾波跟蹤器和SVM檢測器進行自適應(yīng)更新。實驗結(jié)果表明ACFLT不僅在長期目標跟蹤數(shù)據(jù)集上表現(xiàn)突出,而且對于通用數(shù)據(jù)集也有很好的表現(xiàn)。(3)提出了一種基于融合卷積特征的長期跟蹤算法(CCFLT)。CCFLT將卷積神經(jīng)網(wǎng)絡(luò)的深層特征與淺層特征融合,得到同時具有語義信息和判別信息的特征,并將其用于相關(guān)濾波器來實現(xiàn)目標跟蹤。同時,CCFLT使用NPV對目標狀態(tài)進行估計,并對目標模型采取自適應(yīng)更新方式,來提高算法對目標消失、跟蹤漂移等問題的魯棒性。在CCFLT的基礎(chǔ)上,提出了一種基于分層卷積特征的長期跟蹤算法(HCFLT)。HCFLT將使用深層卷積特征的相關(guān)濾波跟蹤器作為基礎(chǔ)跟蹤器,當跟蹤失敗檢測機制判斷基礎(chǔ)跟蹤器丟失目標時,綜合輔助跟蹤器CCFLT的跟蹤結(jié)果來更新目標位置。實驗證明該方法可以有效地提高跟蹤結(jié)果的準確性。
【圖文】：

邐目標邐響應(yīng)圖逡逑圖１．１相關(guān)濾波器不意圖逡逑Ｂｏｌｍｅ等＿首先將相關(guān)濾波器這一概念運用到視覺跟蹤中，通過最小輸出平方誤差逡逑和（Ｍｉｎｉｍｕｍ邋Ｏｕｔｐｕｔ邋Ｓｕｍ邋ｏｆ邋Ｓｑｕａｒｅｄ邋Ｅｒｒｏｒ，ＭＯＳＳＥ）濾波器在每一圖像幀上尋找最大響逡逑應(yīng)。該算法將ＭＯＳＳＥ濾波器和搜索窗口的相關(guān)運算通過離散傅里葉變換（Ｄｉｓｃｒｅｔｅ逡逑３逡逑

邐目標邐響應(yīng)圖逡逑圖１．１相關(guān)濾波器不意圖逡逑Ｂｏｌｍｅ等＿首先將相關(guān)濾波器這一概念運用到視覺跟蹤中，通過最小輸出平方誤差逡逑和（Ｍｉｎｉｍｕｍ邋Ｏｕｔｐｕｔ邋Ｓｕｍ邋ｏｆ邋Ｓｑｕａｒｅｄ邋Ｅｒｒｏｒ，，ＭＯＳＳＥ）濾波器在每一圖像幀上尋找最大響逡逑應(yīng)。該算法將ＭＯＳＳＥ濾波器和搜索窗口的相關(guān)運算通過離散傅里葉變換（Ｄｉｓｃｒｅｔｅ逡逑３逡逑
【學位授予單位】：南京理工大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP391.41;TN713

【參考文獻】

相關(guān)期刊論文 前4條

1 李新葉;孫智華;陳明宇;;基于二值特征和結(jié)構(gòu)化輸出支持向量機的目標快速跟蹤算法[J];計算機應(yīng)用;2015年10期

2 閆慶森;李臨生;徐曉峰;王燦;;視頻跟蹤算法研究綜述[J];計算機科學;2013年S1期

3 蔡榮太;吳元昊;王明佳;吳慶祥;;視頻目標跟蹤算法綜述[J];電視技術(shù);2010年12期

4 李培華;;一種新穎的基于顏色信息的粒子濾波器跟蹤算法[J];計算機學報;2009年12期

相關(guān)博士學位論文 前1條

1 張陽;復(fù)雜交通場景中基于視頻的行人檢測與跟蹤若干關(guān)鍵問題研究[D];華南理工大學;2013年

相關(guān)碩士學位論文 前4條

1 董艷梅;基于相關(guān)濾波器的目標跟蹤技術(shù)[D];北京理工大學;2015年

2 龔小彪;基于TLD框架的目標跟蹤算法研究[D];西南交通大學;2014年

3 張平;基于CUDA的TLD視覺跟蹤算法研究[D];北京交通大學;2014年

4 于海彬;智能監(jiān)控系統(tǒng)的運動目標檢測跟蹤算法研究與實現(xiàn)[D];哈爾濱工業(yè)大學;2013年

本文編號：2610107